A 600 metros de altura, el avión de ala fija no tripulado recorre un lote de mil hectáreas sembrado con maíz en busca de malezas. Luego de una hora de vuelo, su sensor aerotransportado –una cámara de video gopro– está en condiciones de aportar la información relevada. Ya en tierra firme, un software cargado en una computadora procesa el video y determina las coordenadas de ubicación de los posibles focos de malezas en el cultivo. El resultado es un mapa de prescripción que se carga en forma automática en la pulverizadora para realizar la aplicación del tratamiento en sitio específico.
Esta tecnología es industria nacional y está próxima a salir al mercado. Es producto de la interacción entre la empresa GYD, radicada en Tandil (fabricante del primer dron argentino) y Agrovisión, una firma que desarrolla softwares basados en soluciones analíticas.
Se trata de un ejemplo de inteligencia artificial cuyos precursores tomaron parte del Primer Curso de Capacitación sobre la utilización de drones con fines agrícolas, el pasado martes en el Inta Manfredi.
“Es matemática pura aplicada en la detección de patrones específicos y en base a ello desarrollar una aplicación tecnológica”, señaló a La Voz del Campo Diego Pérez Roca, director de Agrovisión, una empresa con sede en la ciudad de Buenos Aires y conformada por matemáticos y profesionales informáticos. Sus desarrollos aplicados a la agricultura ya tienen iniciado el trámite para su patente a nivel global.
Una lista inteligente
El detector de malezas es la innovación estrella de Agrovisión. “El impedimento mayor que teníamos era poder identificar mucha masa foliar en tiempo real. Logramos hacer eso y el desarrollo ya tiene varias pruebas a campo”, destacó Pérez Roca. Para fin de año, las primeras pulverizadoras de la empresa santafesina Pla serán equipadas con esta tecnología.
A diferencia de algunos equipos importados, incorporados al mercado argentino en los últimos tiempos y que trabajan en la detección de malezas con luces infrarrojas, el desarrollo de Agrovisión identifica las malezas a través de una cámara. El software puede identificar hasta 40 especies vegetales y determinar su aplicación selectiva.
Comparado con los equipos infrarrojo, que sólo se pueden utilizar en barbecho, el detector de malezas se puede aplicar desde el barbecho hasta cuando el cultivo esté cerrando surco.
“Nuestra principal premisa tecnológica es reducir aproximadamente entre un 70 y 90 por ciento el uso de agroquímicos, a través de sistemas robóticos que pueden reconocer de forma automática las plantas”, manifestó Pérez Roca.
Dosificador de fertilizante. Se basa en la misma tecnología que el detector de malezas. Con la pulverizadora en movimiento, el programa permite detectar la necesidad nutricional a partir del índice de masa verde que detectan las cámaras convencionales RGB y aplicar la dosis planta a planta.
Borde extremo. Se trata de una solución de guiado automático y preciso de la cosechadora en cultivos en hileras, que evita el solapamiento. “No necesita GPS y trabaja con visión 3D por cámaras estereoscópicas”, destacó el empresario. Consta de dos cámaras ubicadas en cada extremo del cabezal que permiten guiar su tarea, proporcionando un gran ahorro en combustible y en el desgaste del equipo. Se integra a los pilotos automáticos actuales.
Detección de humo y fuego. Funciona como un sistema de alerta temprana para detectar incendios en maquinaria agrícola. Según el Inta, alrededor de 100 cosechadoras se incendian por año, de las cuales 20 tienen destrucción total. El software se presenta como un módulo de análisis de video inteligente para alertar en caso de presencia de incendio en la escena de la cámara. Su algoritmo es capaz de diferenciar el humo, adaptándose a las variaciones en las condiciones de iluminación de la maquinaria; analiza la dinámica del humo, morfología, expansión, y la velocidad con la que se mueve. “Detecta la morfología, densidad y velocidad con que se desarrolla el fuego”, sostuvo su realizador.
Detección de objetos peligrosos. Es una tecnología que se presta para el desarrollo de labores nocturnas. En el caso de las pulverizadoras, el detector se ubica en los botalones y, al identificar el objeto, corrige la trayectoria con el piloto automático. Según Roca, es una tecnología visual, a diferencia de los actuales sensores de objetos que son volumétricos y que, por ejemplo, no sirven para identificar alambrados. Además permite tomar la decisión de corregir la trayectoria a 20 metros del obstáculo.
Estimador de rendimiento. A través de un modelo predictivo, el software calcula con precisión la cantidad de frutos producidos por un lote, en función de diversas características ópticas (color, tamaño, forma y textura) que proporciona la cámara. “Se trata de una tecnología basada en modelos matemáticos, que se exhibe como una instancia superadora a la subjetividad que brinda una inspección ocular realizada por cualquier técnico avezado”, justificó Roca.
¿Video o foto?
La incorporación de cámaras de video en lo drones, en lugar de fotográficas, es el diferencial que ofrece la empresa GYD para sus aviones no tripulados en agricultura. “Hoy, en el mercado se habla de drones que toman fotografías, pero a esas imágenes hay que procesarlas para generar el mosaico y eso lleva tiempo. Con el video es diferente; directamente se carga en la computadora y se definen las coordenadas para la toma de decisiones”, destacó Mariano Delbuono, socio de GYD. En marzo de este año, la empresa lanzó al mercado Explorer, el primer dron argentino, de dos metros de ancho y 3,5 kilos de peso.
Sensores aéreos
Cámaras RGB. Equipadas en los drones, permiten visualizar operaciones en un lote desde una posición remota.
Cámaras multiespectrales. Su definición permite elaborar mapas de índice de vegetación, por ejemplo. A partir del vigor que muestra el cultivo se pueden definir las zonas de manejo y hacer la prescripción de fertilización o aplicación de agroquímicos.
Trabajos a campo. A partir de la utilización de imágenes multiespectrales aéreas obtenidas sobre un trigo en Henderson (Buenos Aires) y tomadas con un dron 50 días antes de la cosecha, en la campaña pasada fue posible predecir los niveles de rendimientos y proteína aportados por el cultivo.