Control robotizado de las malas hierbas combinando flotas aereas y terrestres

Por Pilar Barreiro

A dia de hoy el gasto en herbicidas en Europa supone el 40% del desembolso monetario total en agroquimicos. Cabe preguntarse si esta es una condicion inevitable o existe un margen de mejora en la eficiencia en el uso de recursos, y en tal caso a que precio.

El grupo de investigacion de Cesar Quintanilla en el Instituto de Ciencias Medio Ambientales ha publicado recientemente un estudio (Andujar et al., 2013) en el que analiza la reticencia de los agricultores al empleo de un manejo diferencial de los tratamientos herbicidas. De acuerdo con este estudio, una infestacion inferior al 7% no justifica ningun tipo de tratamiento, mientras que una infestacion del 40% puede ser abordada de manera generalizada, es decir, mediante un tratamiento convencional.

Es en el rango de infestacion intermedio (7-40%) donde aparece la duda, y este estudio se decanta por recomendar la tecnologia de cartografia y control sitio especifico en aquellos casos en que el nivel de infestacion se situe entre un 7 y un 20%. El equipo de investigacion ha realizado a su vez un muestreo para determinar que proporcion de parcelas se encuentran en esta situacion, resultando dicha proporcion de un 22%.

Para los niveles de infestacion entre el 30 y 40%, el metodo mas eficaz sera el empleo de un tratamiento localizado barriendo toda la superficie, empleando para ello algun sistema de percepcion o diagnostico local: sistema de vision en tiempo real, weedseeker.

En la medida en que los reglamentos medioambientales se impongan, rentabilizandose el uso de la tecnologia, parece claro que este nicho de mercado sera colonizado por empresas de servicios especializadas.

Cartografia temprana de malas hierbas

Este es el tema de investigacion del grupo de investigacion de Francisca Lopez-Granados en el Instituto de Agricultura Sostenible de Cordoba (Torres Sanchez et al., 2013; Peña et al., 2013; Torres Sanchez et al., 2014), ya que un control eficiente de malas hierbas se basa en un diagnostico en las primeras fases del cultivo (de 2 a 6 hojas verdaderas, figura 1).

Figura 1. Mapa de tratamiento con herbicidas para campos con un 3, 8, 20 y 60% de infestacion (Andujar y col., 2013).

Esto exige una elevada resolucion de imagenes que puede alcanzarse con distintos dispositivos. Las camaras RGB convencionales estan perfectamente preparadas para ello. Por ejemplo una camara de 12 Mpixels con una optica de 50 mm ofrece a 30 m de altura una resolucion de 1,1 cm y de 3,8 cm a 100 m. Si optamos, en cambio, por una mayor informacion espectral (mas longitudes de onda) empleando una camara del tipo mini-MCA (Tetracam INC) podemos esperar una resolucion de 1,6 cm a 30 m y de 5,4 cm a 100 m de altura de vuelo (figura 2).

Figura 2. Tres modelos de camaras multiespectrales ofertados por Tetracam.

Disponer de una mayor informacion espectral nos ayuda a mejorar la discriminacion del cultivo y de las malas hierbas, si se realiza adecuadamente el proceso de alineacion. El indice espectral mas conocido es el NDVI (Indice de Vegetacion Normalizado, segun sus siglas en ingles) que emplea una combinacion de bandas roja (679 y 700 nm) e infrarroja (740 y 780 nm), pero estudios incluso anteriores al año 2000 ya auguraban que la combinacion de bandas espectrales permitiria la identificacion de malas hierbas incluso a nivel de especie. Por ejemplo, la combinacion de 1.200 nm y 840 nm permitiria distinguir entre especies del genero Brassica (Barreiro et al., 1998).

Este conocimiento puede ser de gran utilizada ahora que se esta generalizando el cultivo de la colza que puede convertirse en una vegetacion adventicia dificil de tratar en las rotaciones de cultivo, y sometido a que los detectores InGaAs se popularicen.

Figura 3. Identificacion automatizada de objetos con el software e-cognition de Trimble.

Una vez que se han adquirido las imagenes, el proceso de tratamiento debe estar automatizado. Para ello el equipo de investigacion de Lopez-Granados en Cordoba (Peña et al., 2014) propone un procedimiento que combina el uso del software comercial eCognition (Trimble) con un conjunto de rutinas de segmentacion de desarrollo propias, basadas en el analisis de objetos en funcion de sus propiedades espectrales, morfologicas y contextuales.

El procedimiento (figura 3) puede resumirse como sigue: identificacion de las lineas de cultivo basada en la aglutinacion de objetos con una direccion de elongacion de los objetos frecuente y con NDVI > 0,2, discriminacion de malas hierbas basandose en su posicion relativa y elaboracion de un mapa de tratamiento. El procedimiento se ha evaluado con una verificacion a nivel de terreno determinandose una capacidad predictiva del 90% a nivel cuantitativo (prediccion del porcentaje de infestacion), una exactitud del 86% al clasificar en tres grupos (20%).

Rodales: dispersion en falange o guerrilla

Es un criterio simplista considerar que conocer el nivel medio de infestacion superficial es suficiente para determinar completamente nuestras decisiones en relacion a los tratamientos herbicidas, entre otras cosas porque la distribucion espacial de las malas hierbas no es uniforme debido a las diferencias existentes en el sistema de reproduccion (sexual o vegetativo), al agente de dispersion (aire, animales, maquinaria) y al nivel de persistencia de los propagulos (Fernandez Quintanilla et al., 2011; Castellanos-Frias et al., 2012).

Ademas, las especies tienen preferencias ambientales para su persistencia tales como la orientacion (norte o sur), o la colonizacion de vaguadas o fondos planos. Todo ello da lugar a una acumulacion localizada de especies infestantes, que denominamos rodales, que en general es persistente en el tiempo con avances lentos en los bordes del rodal, denominada dispersion en falange, y aparicion de nuevos focos, denominada dispersion en guerrilla.

Ademas, conocer las especies implicadas en la infestacion es muy relevante para realizar un diseño adecuado de los tratamientos. Como minimo resulta fundamental establecer una clasificacion de los rodales en monocotiledoneas y dicotiledoneas en los primeros estados de desarrollo incorporando para ello los algoritmos de identificacion en los sistemas de cartografia (Herrera et al., 2014) (figura 4).

Figura 4. Localizacion diferencial de las malas hierbas en funcion de la topografia del terreno (Dorado y cols, 2014).

Definicion de rutas en los vehiculos aereos

Los drones son vehiculos no tripulados (UAVs) con capacidad de vuelo estacionario y omnidireccional. La optimizacion de las rutas en drones es el ambito de especialidad del equipo de investigacion de Antonio Barrientos (ETSII, UPM) que ha publicado dos ilustrativos articulos al respecto (Sanz-Muñoz et al., 2011; Valente et al., 2013).

Segun estos, los algoritmos de planeamiento de la trayectoria deben clasificarse en funcion del tipo de ejecucion: 1) diferidos (off-line), y 2) en linea (on-line). Los segundos son fundamentalmente reactivos, muy flexibles y robustos, pero exigen la incorporacion a bordo de sensores, para reaccionar respecto al entorno, y una mayor capacidad de calculo (mayor peso y consumo energetico) aspecto vital a dia de hoy. Los sistemas en diferido u off-line no son capaces de reaccionar ante cambios del entorno, pero permiten establecer planes muy eficientes, maximizando la relacion entre el recorrido y el area barrida.

La planificacion de la trayectoria se denomina genericamente CPP (Planificacion de la Ruta de Cobertura, segun sus siglas en ingles) y consiste en dividir el area de trabajo en una cuadricula rectangular, donde cada celdilla representa un paralelepipedo, y su centro geometrico es un punto de paso; cada reticula corresponde tambien a una imagen. La ruta de cubrimiento se calcula estableciendo las siguientes restricciones: no pasar mas de dos veces por el mismo punto de paso, respetar los puntos de partida y llegada, y realizar la trayectoria con el minimo numero de cambios de direccion posibles.

Un aspecto interesante es que los UAVs pueden emplearse simultaneamente para recoger datos de redes de sensores inalambricos (WSN), ademas de imagenes de tierra. En este caso, al algoritmo anterior se le añade una nueva capa de abstraccion que establece un numero de puntos objetivos desde los que es posible una descarga optima de datos. Las restricciones a las que son sometidos los puntos de descarga pueden resumirse en:

1. Estar contenidos dentro de una esfera con centro en el modulo de transmision de tierra (que aglutina datos de un cluster de sensores) y con radio el alcance de comunicaciones.

2. La desviacion maxima en distancia permitida respecto a la ruta original. La figura 5 muestra un ejemplo de optimizacion de ruta: en rojo la ruta original, y en verde la ruta modificada incluyendo los puntos de descarga. Las pruebas realizadas por los autores indican que el incremento de uno a dos objetivos de la mision puede alcanzarse con un incremento de trayectoria inferior al 2%.

Figura 5. Definicion de rutas bi-objetivo: barrido optimo y lectura de datos de una red de sensores inalambricos (WSN). Grupo de investigacion de Antonio Barrientos, UPM.

Cuando se emplean varios drones simultaneamente en la cartografia, el primer paso consiste en descomponer el area para asignarla a cada una de las unidades, y posteriormente optimizar el camino a recorrer por cada unidad. O bien abordar el problema a gran escala (buceando entre un elevado numero de soluciones posibles).

En este caso puede abordarse con procedimientos numericos meta-heuristicos, como por ejemplo los algoritmos geneticos (que simulan la recombinacion de la informacion y la supervivencia del mas apto), u otros tan curiosos como simular el proceso de improvisacion en el jazz en la busqueda de una composicion armonica (en este caso corta y con pocos giros). Este ultimo es el caso del trabajo del grupo de Antonio Barrientos en 2013, donde se alcanzan tiempos de computacion inferiores a 15 s.

Sistemas de diagnostico en tierra en tiempo real

El diseño y puesta a punto de un sistema de vision para la deteccion de malas hierbas en tiempo real que no emplee iluminacion activa no es trivial, pues las condiciones de iluminacion natural son muy variables, asi como las especies de malas hierbas y los estados vegetativos del cultivo.

En el proyecto RHEA el sistema de vision para cultivos de lineas amplias (por ejemplo, maiz) ha sido desarrollado por el Centro de Automatica y Robotica en colaboracion con el departamento de Ingenieria del Software de la Universidad Complutense (Burgos-Artizzu et al., 2011). Para ello han empleado una base de datos de 16 h de grabacion (1,4 millones de imagenes) registradas a bordo de tractores a una velocidad media de 7 km/h, a lo largo de varios años y en condiciones de gran variabilidad con camaras de video convencionales.

El sistema de analisis de imagen consta de dos grandes procedimientos: uno denominado lento (0,3 s) y otro rapido (0,04 s). El primero obedece a las siglas RCRD (Deteccion Robusta de Lineas, segun sus siglas en ingles) y se caracteriza por recoger casi una decena de imagenes (las que se registran en los 0,3 s anteriores), estableciendo una segmentacion de la vegetacion combinando los canales RGB con coeficientes individualizados (r=-0,884; g=1,262; b=-0,311) optimizados por medio de algoritmos geneticos.

Una vez compuestas las imagenes de vegetacion, segmentadas de forma individualizada (mediante el criterio de la intensidad media), se componen con una operacion logica AND de manera que los pixeles que en varias imagenes sucesivas estan clasificado como vegetacion se ven reforzados con el resultado final de una identificacion robusta de las lineas de cultivo, una vez aplicado un filtro morfologico de apertura.

El procedimiento rapido (0,04 s) se denomina FIP (Procesado Rapido, segun sus siglas en ingles), analiza solo el area inmediatamente cercana al frontal del tractor y coteja sus resultados de segmentacion con el procedimiento anterior, considerando mala hierba todo aquello que queda fuera de la linea de cultivo.

Los resultados indican que el sistema propuesto en RHEA para cultivos en lineas identifica el 95% de las malas hierbas con un 1% de falsos negativos (malas hierbas no detectadas).

Dispositivos de control: quimico vs. termico/mecanico

Para el control quimico de malas hierbas en cereales de invierno (por ejemplo, trigo), en el proyecto RHEA se ha desarrollado un sistema de concentracion variable (Perez-Ruiz et al., 2015, Universidad de Sevilla y de Cordoba) que emplea un tanque de agua de 200 l y otro de herbicida de 15 l, asi como un sistema de inyeccion variable que permite gestionar la concentracion de herbicida a la demanda, y un sistema de inyeccion central que determina el consumo de agua.

En este tipo de equipos resulta fundamental aquilatar el tiempo de transito del herbicida desde el punto de inyeccion a cada una de las boquillas para que el control sea efectivo. La principal ventaja de este concepto es que no quedan restos de caldo pues el herbicida puede ser recuperado de su deposito y almacenado.

Los ensayos de campo con el sistema de control variable de concentracion indican una elevada precision derivada entre otras cosas del sistema de guiado (RTK) y del empleo de la cartografia aerea con drones. Finalmente destacar el enorme incremento de la autonomia de trabajo (hectareas, hasta repostar herbicida o agua) derivada de la reduccion del liquido distribuido que alcanza el 90% con infestaciones del 10%.

En el proyecto RHEA, la Universidad de Pisa (Perez-Ruiz et al, 2015) ha evaluado en cultivos en lineas (por ejemplo, maiz), el empleo de un dispositivo termico (cuatro unidades) y mecanico (cinco elementos). Cada dispositivo termico consta de un tratamiento de llama con LPG (gas licuado del petroleo) montado sobre un paralelogramo articulado. Los elementos mecanicos trabajan en la entre-linea mientras que los termicos actuan dentro de las lineas de cultivo guiados por el sistema de vision en tiempo real.

El manejo del LPG es complejo y exige disponer de las bombonas en un baño de agua atemperado con los gases de escape del vehiculo. Este procedimiento permite un control de las malas hierbas entre un 95 y 99%. Se constatan ligeros daños al maiz que se recuperan en el plazo de diez dias, sin impacto en la productividad final. El coste atribuido a un tratamiento con un nivel de infestacion superior al 25% en el 17% del area y del 5-25% en el 32 % de la superficie es de 24 euros/ha (9,8 kg/ha).

Dosificacion variable en cultivos arboreos

El equipo automatizado para la aplicacion de tratamientos fitosanitarios en cultivos arboreos desarrollado en el proyecto RHEA (Perez-Ruiz et al, 2015) en la Universidad de Florencia, parte de un modelo Oktopus (Nobili Inc.) con un tanque de 300 l de capacidad y un ventilador centrifugo que requiere 15 kW a la toma de fuerza.

Las boquillas de pulverizacion se distribuyen en bloques de cuatro a cada lado del equipo y son orientadas de forma automatizada con angulos de giro de 0 a 30º. El caudal instantaneo es regulado para cada boquilla de forma independiente mediante sendas valvulas solenoides (VE146V Parker) en funcion de la señal de sensores de ultrasonidos (U-GAGE T30) distribuidos en altura. El flujo de aire es controlado con ocho valvulas de mariposa localizadas en el extremo de cada uno de los conductos de salida; los diversos automatismos son controlados mediante un PLC (figura 6).

Figura 6. Equipo robotizado de tratamientos en cultivos arboreos, dotado de varios sensores de ultrasonidos qeu controlan la aplicacion.

Los ensayos de campo con el sistema indican que con niveles de densidad foliar bajos, la reflexion de la señal de ultrasonidos no responde de la manera esperada, registrandose un retardo en su respuesta. Este problema se elimina cuando se emplean tiempos de refresco en los sensores de 200 ms, aunque en este caso se incrementa el riesgo de interferencia entre ellos, por lo que se emplea un ladeo de 5º.

El control automatizado del tratamiento es efectivo con una resolucion a lo largo de la linea de cultivo de 10 cm y un tiempo de respuesta de 100 ms.

En el proyecto RHEA tambien se ha evaluado la sustitucion del sistema de ultrasonidos por un laser SICK de barrido (Garrido-Izard et al., 2014) obteniendose una reproduccion tridimensional completa de las copas, aunque a un mayor coste (figura 7).

Figura 7. Ejemplo de simulacion arborea para definir mapas de tratamientos diferenciales (Garrido Izard, 2014).

Criterios de seguridad en vehiculos autonomos

El proyecto RHEA comenzo realizando un estudio de las especificaciones de seguridad que debian cubrir las unidades robotizadas de tierra (GMU, Garrido-Izard et al., 2013), aunque el Centro de Automatica y Robotica (Gonzalez-de-Santos et al., 2012) ha sido el encargado de desarrollar el sistema de supervision de las GMU (Unidades Moviles de Tierra, segun sus siglas en ingles).

El sistema analiza toda la informacion proporcionada por los sensores y subsistemas en los vehiculos en tiempo real y notifica a la estacion base cuando se detecta un fallo o situacion potencialmente peligrosa (por ejemplo una colision entre vehiculos). En algunas situaciones, es ademas capaz de ejecutar un protocolo de neutralizacion para remediar el fallo, como detener uno de los vehiculos y reanudar posteriormente su funcionamiento.

El sistema se basa en una arquitectura distribuida y multinivel que divide la supervision en diferentes subsistemas, lo que permite una mejor gestion de la deteccion y reparacion de fallos. Todo ello demuestra que el concepto de flotas heterogeneas es viable y se encuentra en un estado pre-comercial.

A modo de recapitulacion

En España disponemos de un gran numero de equipos de investigacion muy relevantes en relacion al control automatizado de malas hierbas y plagas que han colaborado intensamente para demostrar la viabilidad de una variedad de soluciones de tratamientos herbicidas sobre cultivos cerealistas de invierno, y cultivos en linea de primavera; y de tratamientos fitosanitarios en cultivos arboreos.

Los estudios indican que los sistemas automatizados son rentables medioambientalmente casi en cualquier ocasion, pero son economicamente viables para niveles de infestacion entre un 5 y un 40%.

Cuando el nivel de infestacion se situa entre el 5 y el 20%, se justifica el uso de cartografia aerea ya que puede ahorrarse bastante combustible al visitar tan solo las areas de cultivo afectadas.

En niveles de infestacion del 20 al 40% se justifica economicamente el uso de sistemas de control en tiempo real.

Cada vez mas la incorporacion de nuevas bandas espectrales facilita la segregacion de cultivos y malas hierbas, mas alla de su localizacion entre lineas.

Los primeros ensayos en campo demuestran que los detalles son los que determinan en el exito tanto desde el punto de vista del analisis de los sistemas de percepcion (combinacion de procesado lento 0,3 s y rapido 0,04 s), interferencia entre sensores, y tiempo de respuesta de los actuadores.

En el futuro no sera suficiente hablar de malas hierbas sino que tendremos que trabajar a nivel especifico conociendo y reconociendo factores fundamentales como las pervivencia del banco se semillas, el sistema de propagacion y reproduccion, asi como sus habitats preferenciales. La tecnologia trabaja a favor del registro de detalles y de una actuacion diferencial.

AUTOR: Pilar Barreiro. Catedratica de Ingenieria Agroforestal. ETSI Agronomos. UPM.