La pulverización inteligente es una tecnología ya presente en el mundo pero que, al mismo tiempo, está lejos de haber alcanzado su absoluta madurez.

El tema fue analizado en el Congreso 2023 de AAPRESID, en el panel presentado bajo la consigna “De la naturaleza a los algoritmos: Detectando malezas con machine learning”.

En su participación, el especialista Guy Coleman aseguró que “la revolución en la aplicación dirigida en malezas viene de la mano de Algoritmos de Aprendizaje Profundo”.

También explicó que la aplicación dirigida existe desde hace décadas.
Inicialmente, para que las máquinas pudieran “ver” las malezas, se le daba al sistema determinadas reglas, principalmente basadas en el color.

“De esta manera se realizaban aplicaciones dirigidas en barbecho”, explicó Coleman.

Transformación

Actualmente, no se brindan las reglas al sistema, sino que al ingresar una gran cantidad de imágenes, y marcar las malezas manualmente en una primera etapa, el algoritmo busca todos los datos de cada capa que componen esa imagen y los analiza.

Mediante el “Aprendizaje Profundo” se establecen los patrones y con ellos se logra “predecir” cuál planta es maleza, incluso en lugares difíciles dentro del cultivo.

También Coleman comentó que esta innovación es liderada por productores en todo el mundo y puede ser adaptada para trabajar en diversos cultivos.

“Parece magia, pero en realidad se requieren miles de imágenes para entrenar al algoritmo”, destacó Coleman.

“Por lo tanto, la recolección de datos regionalizados que reflejan la gran variedad de malezas presentes en la zona, e inclusive en sus distintos estadíos fenológicos, es una parte fundamental del proceso”, agregó.

¿Qué viene?

“Las posibilidades a futuro en pulverización inteligente son inmensas”, comentó Coleman.

“Puntualmente en el manejo de malezas, el próximo desafío será el control diferencial, basado en la identificación y el tamaño de la maleza, teniendo en cuenta el contexto del cultivo”, añadió.

Por ejemplo, se podrán diferenciar gramíneas en cultivos de cereales.

“Para esto, es imprescindible un enfoque multimodal, con muchísima información al mismo tiempo, como historia del lote, biomasa del cultivo e impacto en el rinde”, puntualizó Coleman.

Fuente: MaquiNAC