Agricultura inteligente: tecnologías de IA para una agricultura sostenible


Las condiciones climáticas cambiantes, la escasez de trabajadores calificados, el uso de plaguicidas, una amplia gama de factores tienen un impacto en la calidad y el flujo de los procesos agrícolas. 


por Fraunhofer-Gesellschaft


Los investigadores del Instituto Fraunhofer de Telecomunicaciones, Instituto Heinrich Hertz, HHI tienen como objetivo hacer esto más eficiente y sostenible por medio de tecnologías de nube e inteligencia artificial. Como parte del proyecto “NaLamKI”, están trabajando con socios para establecer una plataforma de software como servicio que recopila datos de dispositivos y máquinas para formar una base de datos para pronósticos y ayudas para la toma de decisiones.

El sector agrícola se enfrenta a grandes desafíos: los agricultores alemanes ya están sintiendo los efectos de largo alcance del cambio climático y tendrán que adaptarse a esto en mayor medida en el futuro. El aumento de las temperaturas y los cambios en las precipitaciones afectan todas las variables agrícolas, desde el crecimiento de los cultivos hasta la rotación de cultivos hasta la labranza. La inteligencia artificial descentralizada en la nube y la inteligencia artificial centralizada en las granjas pueden ayudar a que este proceso de adaptación a las condiciones cambiantes sea más eficiente, acelerar el proceso en todas las áreas de la agricultura y, por lo tanto, hacer que el ecosistema general sea más ágil y preparado para el futuro.

Aquí es donde entra en juego el proyecto NaLamKI (consulte el cuadro de datos y cifras para obtener más información). Las actividades se centrarán en la creación de una plataforma de software como servicio (SaaS) basada en la nube con interfaces abiertas para proveedores de la agricultura y la industria, así como proveedores de servicios de aplicaciones de propósito especial para el cultivo de cultivos. Al agregar datos de sensores y máquinas recopilados mediante satélites y drones, sensores de suelo, robótica, recopilación manual de datos y datos de inventario, es posible crear un conjunto de datos a partir del cual los procesos agrícolas se pueden optimizar de manera más sostenible utilizando métodos avanzados de inteligencia artificial. Las aplicaciones de inteligencia artificial implementadas en la plataforma ayudan a los agricultores a analizar las condiciones de los cultivos y el suelo en grandes áreas de tierra y ayudan con la reorganización de los procesos de protección de nutrientes y cultivos, como el riegofertilización y control de plagas para garantizar un rendimiento de los cultivos suficiente tanto en términos de calidad como de cantidad, para reducir las emisiones y preservar la biodiversidad. El uso específico de productos fitosanitarios, por ejemplo, aumenta el rendimiento de los cultivos, reduce los costos, conserva los recursos y protege activamente el medio ambiente.

Los agricultores interactuarán con la IA

“Además del cambio climático, la escasez de mano de obra calificada también está afectando la calidad y el flujo de los procesos agrícolas. Por lo tanto, a menudo se da el caso de que las condiciones de la planta solo se pueden verificar de manera muy selectiva. En la actualidad, no es posible para detectar y determinar con precisión las condiciones del agua del suelo o la infestación de plagas, por ejemplo, en grandes áreas agrícolas “, dice el Dr. Sebastian Bosse, Jefe del Grupo de Sistemas Interactivos y Cognitivos de Fraunhofer HHI. Para abordar esto, se están desarrollando métodos de IA para analizar datos de teledetección para modelar procesos agrícolas y para redes 5G en tierras agrícolas como parte del proyecto del instituto. “Entre otras cosas, estamos estudiando el análisis de imágenes de datos de cámaras robóticas, satélites y drones y hacer que los resultados sean significativos para los agricultores”, dice el ingeniero.

Agricultura inteligente: tecnologías de IA para una agricultura sostenible
Detección de infecciones fúngicas basada en drones. Crédito: Fraunhofer HHI

Los agricultores podrán interactuar con la IA y hacerle preguntas. Por ejemplo, basándose en la lectura actual de la humedad del suelo y las enfermedades de los cultivos, la IA podrá proporcionar instrucciones para la acción y mostrar los efectos de diferentes escenarios. Para ser precisos, un tablero que muestra el área de tierras de cultivo y las condiciones actuales del suelo se mostrará en una tableta. Al hacer clic en áreas específicas, el agricultor recibirá información sobre problemas como niveles bajos de agua, así como recomendaciones sobre la mejor manera de abordarlos.

Plataforma SaaS basada en GAIA-X

Los datos (de formación) y los servicios de inteligencia artificial se proporcionarán de forma descentralizada utilizando Gaia-X, una infraestructura de nube europea con soberanía de datos. Además, se establecerá un sistema de inteligencia artificial descentralizado y de aprendizaje distribuido, con datos almacenados localmente en las granjas. Los agricultores podrán compartir los modelos de IA y transferirlos a la plataforma NaLamKI para mejorar continuamente los algoritmos. La plataforma estará abierta a proveedores externos. Las empresas emergentes, por ejemplo, podrían ofrecer sus innovadoras soluciones de inteligencia artificial en la plataforma.

Inspección de huertos

La recopilación de datos inicial para el proceso de desarrollo del modelo de IA ya se ha completado. Por ejemplo, ahora están disponibles imágenes tomadas por un robot de un cultivo en hileras de manzanas en una granja de frutas en la región del Palatinado de Alemania. Para ello, se recopilaron, analizaron y fusionaron (fusión de sensores) datos de varios sensores, como sensores de posición, LIDAR, RGB y cámaras multiespectrales, mientras el robot (semi) autónomo pasaba por la plantación. El objetivo es crear una representación significativa de los árboles en un huerto para que el recuento de frutos y el grado de madurez, el diámetro del tallo, la condición de los cultivos individualesy se puede determinar el suelo circundante. Esto también incluye la detección de impedimentos, en particular criaturas vivientes en vegetación alta, a lo largo de la ruta recorrida. “Evaluamos los datos a medida que avanzamos por la plantación. La información que recopilamos se fusiona con el mapa de la población de árboles frutales y se representa en un mapa de la propiedad. La documentación se crea para el agricultor con base en estos datos”, dice el Dr. Bosse, explicando la aplicación específica.