El CSIC innova en la detección temprana de malas hierbas mediante drones
Fuente: CSIC
Investigadores del Instituto de Agricultura Sostenible del CSIC, en Córdoba, han mejorado su sistema para la detección temprana de malas hierbas mediante vehículos aéreos no tripulados. El nuevo método, basado en técnicas de análisis de imagen e inteligencia artificial, añade a la detección la discriminación de las malas hierbas dentro de las líneas de cultivo. El trabajo, publicado en la revista Expert Systems with Applications, podría ayudar a reducir el uso de herbicidas en toda la región de cultivo.
Según sus impulsores, el sistema puede dar una respuesta al agricultor “en un tiempo mínimo”. Los resultados muestran una precisión del 95% en cultivos de girasol y del 79% en maíz. “Además, las características óptimas que sirven para discriminar las malas hierbas coinciden en su mayoría para ambos cultivos”, indica la investigadora del CSIC María Pérez Ortiz.
Agricultura de precisión
Hasta ahora existían dificultades a la hora de crear mapas de malas hierbas a tiempo para un tratamiento optimizado con herbicidas. También era un problema la baja resolución de muchas de las plataformas aéreas que actualmente se emplean en teledetección.
“Uno de los retos actuales de la agricultura de precisión es la identificación temprana de malas hierbas, responsables de una gran reducción de la producción del cultivo. Normalmente, aunque se distribuyan en rodales, los herbicidas se aplican en todo el cultivo, lo que conlleva un perjuicio medioambiental y económico”, precisa Pérez Ortiz.
El proceso para obtener estos mapas, que se enmarca dentro de las líneas de trabajo del proyecto imaPing, consiste en adquirir primero las imágenes desde el aire mediante una cámara de alta resolución instalada en los drones; en segundo lugar, se lleva a cabo la segmentación de la imagen y el etiquetado. Y, finalmente, se aplica una técnica de clasificación que se engloba dentro de la inteligencia artificial.
En investigaciones anteriores, el grupo liderado por la investigadora del CSIC Francisca López-Granados obtuvo mapas de malas hierbas con precisiones similares. Esta vez, los científicos han abordado el problema de una forma nueva para poder detectar también las malas hierbas que están en la línea de cultivo, lo que en anteriores investigaciones no había sido posible.
Los investigadores han demostrado que el uso de este sistema “se adapta a la perfección al cambio en factores tales como la altura de vuelo, la iluminación, el cultivo y la cámara usada”. Esta adaptabilidad facilitaría la adopción de la técnica por parte de cualquier agricultor.
- María Pérez-Ortiz, José Manuel Peña, Pedro Antonio Gutiérrez, Jorge Torres-Sánchez, César Hervás-Martínez, Francisca López-Granados. Selecting patterns and features for between- and within- crop-row weed mapping using UAV-imagery. Expert Systems with Applications. DOI: 10.1016/j.eswa.2015.10.043
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
