Control algorítmico de plagas


El aprendizaje automático ahora se ha utilizado para identificar plagas importantes que pueden devastar los cultivos de hortalizas, según un trabajo publicado en el International Journal of Wireless and Mobile Computing .


por David Bradley, Inderscience


Changzhen Zhang de la Universidad Kaili en Guizhou, Yaowen Ye, Deqin Xiao, Long Qi y Jianjun Yin de la Universidad Agrícola del Sur de China en Guangzhou, China, señalan que el control efectivo de plagas requiere conocimiento de las especies que afectan a las plantas y el nivel de infestación. El equipo ha utilizado un modelo llamado “bolsa de características” para desarrollar un sistema automático de control de plagas. Explican que su enfoque combina tecnología de procesamiento de información remota y tecnología de visión artificial.

El sistema propuesto se puede implementar en un campo de cultivo de vegetales para monitorear cuatro plagas principales: Phyllotreta striolata (el escarabajo pulga rayado, una plaga de las brasicáceas), Frankliniella occidentalis (el invasor Thrips occidental de las flores, se alimenta de unas 500 o más especies diferentes de vegetales , fruta y flor), Bemisia tabaci (la mosca blanca del tabaco, que afecta al tomate y otras plantas afines) y Plutella xylostella (la polilla de espalda de diamante, una plaga de cultivos cruciformes).

El equipo demostró una tasa de error de menos del 10 % en comparación con la detección y el conteo realizados por personas capacitadas para detectar las plagas. Dado que B. tabaci puede reducir el rendimiento de los cultivos de tomate en un 60%, la detección de dichas especies es fundamental para una agricultura eficiente y eficaz. Las otras especies mencionadas pueden afectar a una amplia variedad de cultivos con consecuencias devastadoras cuando se permite que la infestación se desarrolle desenfrenadamente.

El equipo ha demostrado éxito en un entorno controlado . El siguiente paso será probar el sistema y mejorar sus capacidades en un entorno de cultivo de hortalizas más complejo y realista.


Más información: Changzhen Zhang et al, Detección e identificación rápidas de las principales plagas vegetales basadas en el aprendizaje automático, 

International Journal of Wireless and Mobile Computing (2022). DOI: 10.1504/IJWMC.2022.124813