Aplican inteligencia artificial para predecir la evolución de la plaga de la mosca del olivo
Fuente: Universidad Pablo de Olavide
Francisco Martínez Álvarez, investigador de la Universidad Pablo de Olavide
Investigadores de la Universidad Pablo de Olavide, bajo la coordinación del profesor Francisco Martínez Álvarez, participan en un proyecto liderado por la empresa ec2ce que pretende el desarrollo de un modelo predictivo para controlar la plaga que afecta al olivar (Bactrocera Oleae o mosca de la fruta) adelantando la toma de decisiones, lo que favorece una aplicación controlada de fitosanitarios que mejora la sostenibilidad del olivar.
El proyecto, titulado ‘IA2GIP: Inteligencia Artificial aplicada a la gestión integrada de plagas’ ha sido financiado por el Ministerio de Economía, Industria y Competitividad, en el marco del Plan Estatal de Investigación Científica y Técnica y de Innovación 2013-2016; participan además las entidades Novadrone, el Instituto Andaluz de Tecnología (IAT) y la Universidad de Sevilla.
La principal innovación del proyecto es la integración de la modelización matemática, de la inteligencia artificial y de sensores para proporcionar recomendaciones al agricultor. Se requiere el desarrollo y combinación de diversas tecnologías que incluirán el uso de deep learning, algoritmos genéticos, redes neuronales, lógica borrosa y técnicas de optimización (y en general de aprendizaje automático) que permiten la utilización de enormes cantidades de información en tiempo real. Los trabajos en desarrollo en este proyecto combinan el uso de grandes volúmenes de datos (big data) con el modelado mediante sistemas de inteligencia artificial para crear una herramienta que soporte el proceso de toma de decisiones en los sistemas de control de plagas. Para ello, se va a partir de datos públicos y privados y se añadirán datos de campo, tomados de forma tradicional y otros tomados mediante Sistemas Aéreos Tripulados Remotamente y equipados con los sensores adecuados.
La mosca del olivo es la principal plaga que afecta a los productores de aceite de oliva, generando pérdidas de hasta el 80% del valor de la cosecha tanto por disminución de producción como de calidad del aceite. En algunos casos, en explotaciones dedicadas a aceituna de mesa, las pérdidas pueden incluso suponer el 100%. Este insecto ataca directamente al fruto y la plaga evoluciona de forma explosiva dificultando su control y suponiendo costes muy significativos para el productor.
El uso de modelos predictivos que permitan determinar cuándo y en qué medida se va a producir una explosión de la afección de la mosca al fruto, haría posible aplicar los sistemas de control en el momento óptimo. El proyecto, en el que participa la UPO, pretende incorporar a los modelos predictivos actuales nuevas técnicas de aprendizaje y nuevas variables de entradas basadas en imágenes obtenidas mediante vuelo de drones y así desarrollar un nuevo sistema de modelado predictivo que permita adelantar la evolución de la plaga de la mosca del olivo hasta cuatro semanas antes. Esta herramienta mejorada será de fácil uso por los agricultores y les dirá qué hacer. Con ella podrán mejorar su producción, aumentar la calidad del aceite y disminuir el uso de pesticidas, protegiendo de esta forma el medio ambiente y poniendo en práctica una agricultura más sostenible.
Últimas publicaciones
Científicos del Instituto de Agricultura Sostenible de Córdoba han diseñado una metodología para analizar por separado los microorganismos que habitan sobre los fragmentos de acolchados plásticos que cubren el suelo en la agricultura intensiva y los que viven en las partículas de tierra que se quedan adheridas. El trabajo podría ayudar a identificar bacterias capaces de degradar este material y contribuir así a la búsqueda de soluciones biológicas para combatir su acumulación en el campo.
Investigadores de la Universidad de Málaga han desarrollado un algoritmo de Inteligencia Artificial (IA) que realiza un agrupamiento no supervisado de objetos similares evitando el etiquetado manual. Este modelo es capaz de detectar una gran diversidad de elementos en la zona de pistas de un aeródromo, desde personas hasta aviones. Otra de las novedades es su optimización para ahorrar tiempo de cálculo y energía en las tareas de identificación, de forma que permite su uso en dispositivos de bajo consumo.
Sigue leyendo
El estudio, liderado por el Instituto de Investigación Biosanitaria de Granada con la participación de la Universidad de Granada, reveló que las niñas con mayor exposición al bisfenol A presentaban un riesgo casi tres veces mayor de desarrollar sobrepeso u obesidad. El hallazgo destaca la necesidad de seguir investigando sobre la relación entre contaminantes ambientales y enfermedades metabólicas para mejorar el bienestar de la población infantil.
Sigue leyendo
