Investigadores del INTA Pergamino desarrollaron modelos que utilizan drones, imgenes areas de alta resolucin e inteligencia artificial para anticipar variables asociadas al rendimiento del maz, con niveles de precisin superiores al 92 % en hbridos comerciales. Los resultados preliminares sern presentados en el XIII Congreso Nacional de Maz y cobran relevancia para el agro argentino porque permiten acelerar el fenotipado, reducir tareas manuales y generar informacin objetiva para los programas de mejoramiento gentico. El avance surge de trabajos de la Estacin Experimental Agropecuaria Pergamino y apunta a transformar la forma en que se evalan materiales en los ensayos a campo.
El proyecto incorpor un Vehculo Areo No Tripulado (VANT) equipado con tecnologa multiespectral y trmica para obtener informacin de las parcelas desde el aire. La iniciativa forma parte del Programa Nacional de Ecofisiologa y Agroecosistemas y articula las reas de Sistemas de Informacin Geogrfica, Ecofisiologa de cultivos y Mejoramiento de Girasol y Maz. Javier Portillo, investigador de la EEA Pergamino del INTA, explic que el desarrollo tambin se integra con otras estaciones experimentales mediante la Red Nacional de Drones del organismo. El objetivo es establecer protocolos que conviertan grandes volmenes de imgenes en informacin til para seleccionar materiales con mayor rapidez y precisin.
Del trabajo manual a medir cientos de parcelas desde el aire
La evaluacin tradicional de los ensayos de mejoramiento exige numerosas horas de trabajo y depende, en parte, de la observacin de quienes realizan las mediciones. Portillo seal que los sensores remotos ofrecen una alternativa objetiva, repetible y capaz de registrar caractersticas derivadas de la interaccin entre el genotipo y el ambiente. La experiencia no se limita al maz: segn inform el INTA, en soja los vuelos realizados durante el ciclo permitieron seguir la evolucin de la cobertura foliar y estimar la altura de las plantas con un margen de error inferior al 8 % respecto de las mediciones manuales. La tecnologa abre as la posibilidad de analizar ms parcelas sin multiplicar proporcionalmente los recursos destinados al relevamiento.
En girasol, el equipo avanz un paso ms al combinar las imgenes obtenidas desde el aire con algoritmos de machine learning. De acuerdo con Portillo, esta metodologa permiti automatizar la deteccin de hbridos resistentes a herbicidas comerciales y evaluar simultneamente un volumen mayor de parcelas. En trigo, en tanto, los investigadores comenzaron a estudiar ndices de vegetacin para seguir la velocidad de secado del grano antes de la cosecha, una caracterstica estrechamente vinculada con la calidad. El esquema muestra cmo la agricultura digital empieza a trasladarse desde el monitoreo general de los lotes hacia decisiones especficas de seleccin gentica, un terreno estratgico para la competitividad de la industria semillera argentina.
Ms del 92 % de precisin y una seal para el maz argentino
En el XIII Congreso Nacional de Maz se presentarn dos investigaciones lideradas por Jos Menes, integrante del grupo de Sistemas de Informacin Geogrfica del INTA. Una de ellas utiliz modelos digitales de superficie generados con drones para calcular la altura de las plantas y alcanz entre 81 % y 86 % de coincidencia con las mediciones manuales. El dato tiene una aplicacin productiva concreta: conocer con precisin la estructura del cultivo puede contribuir a identificar materiales susceptibles al quebrado y al vuelco de tallos, dos problemas capaces de provocar prdidas al momento de cosechar. Para los programas de mejoramiento, disponer de esta informacin de manera rpida permite sumar criterios de seleccin sin aumentar sustancialmente las tareas a campo.
El segundo trabajo apunt a estimar la fraccin de radiacin solar interceptada por el cultivo, una variable relacionada directamente con la generacin de biomasa y el rendimiento. Tras evaluar ms de 60 indicadores, el equipo encontr que el porcentaje de cobertura verde calculado desde imgenes areas fue un predictor ms preciso que ndices tradicionales de agricultura digital como el NDVI. Los modelos consiguieron precisiones superiores al 92 % en hbridos comerciales y al 86 % en lneas de maz, segn los resultados difundidos por el INTA. El avance puede reducir tiempos y costos de evaluacin y, sobre todo, ampliar la capacidad de analizar materiales dentro de los programas pblicos y privados de mejoramiento.
Para la Argentina, que compite en el mercado internacional no slo mediante la exportacin de granos sino tambin a travs de gentica, conocimiento y agregado de valor, estas herramientas representan una oportunidad para ganar eficiencia en un escenario regional cada vez ms tecnolgico. Brasil y otros competidores agrcolas aceleran la adopcin de agricultura digital, biotecnologa y sistemas de trazabilidad, por lo que sostener la capacidad de innovacin resulta determinante. El trabajo desarrollado en Pergamino muestra que los drones ya no son nicamente instrumentos para observar un lote: combinados con modelos matemticos e inteligencia artificial, pueden convertirse en una plataforma para seleccionar gentica, anticipar variables productivas y fortalecer la competitividad del semillero nacional.
—
fuente: inteligencia artificial anticipan el rendimiento del maíz – AgroLatam”> GOOGLE NEWS
