En 10 años, cuando la IA generativa se vuelva mucho más avanzada y totalmente autónoma, gestionará todos los aspectos de la agricultura, desde la semilla hasta la mesa.
Así lo opina Mónica Houston, gerente de inteligencia artificial y machine learning de Tria Technologies, filial de Avnet, y aporta pruebas en su artículo publicado en el portal Global Ag Tech Initiative.
…La agricultura es una parte importante de la economía mundial, representando el 60% del PIB en países como India. Los agricultores siempre han tenido dificultades para gestionar sus campos y cosechas, que se ven afectados por diversas condiciones, algunas de las cuales están empeorando. Existe un número creciente de fenómenos meteorológicos severos debido al cambio climático: sequías, inundaciones, erosión del suelo, pérdida de biodiversidad y más, incluyendo el impacto de la actividad humana en el planeta. A esto se suman los desafíos constantes de la escasez de mano de obra, las plagas y enfermedades que afectan a las plantas y al ganado, las regulaciones y estándares actualizados, y las expectativas en constante cambio de los productores, minoristas y consumidores de alimentos. A esto se suma la creciente preocupación por la preservación del medio ambiente y la protección de los polinizadores.
La introducción de tecnología en la agricultura se ha convertido en una forma importante de abordar algunos de estos problemas, mejorar la productividad y garantizar la seguridad de los agricultores. La agricultura de precisión es solo uno de esos sistemas que ayuda a los agricultores a gestionar sus cultivos, maximizar el rendimiento, reducir el esfuerzo y optimizar los procesos. La Asociación de Fabricantes de Equipos (AEM) informó en 2021 que el uso de tecnologías de agricultura de precisión aumentó la productividad de los agricultores en un 4%, a la vez que redujo el uso de fertilizantes en un 7%, de herbicidas en un 9% y de agua en un 4%.
La recopilación de datos y la Internet de las cosas (IoT), combinadas con GPS, sistemas de información geográfica, teledetección e imágenes satelitales, han permitido a los agricultores mejorar sus métodos, pero se puede lograr aún más con la ayuda de la IA y los robots.
La firma de análisis StartUs Insights predice que el valor de la IA en la agricultura alcanzará los 4.700 millones de dólares en 2028, creciendo a una tasa de crecimiento anual de más del 23%.
Las máquinas que se utilizan actualmente en los campos son más pequeñas e inteligentes, con una gran cantidad de sensores y procesamiento de IA local (IA de borde). La información de los sensores se puede analizar y utilizar para tomar decisiones en tiempo real y gestionar mejor los cultivos.
Los datos de los sensores también pueden utilizarse para supervisar el estado de la maquinaria agrícola mediante técnicas de mantenimiento predictivo que notifican al personal de mantenimiento antes de que las máquinas fallen. Esto es posible gracias a las placas de procesamiento modernas, como las de Tria Technologies, equipadas con múltiples procesadores, sensores y funciones de IA. El aprendizaje automático de la Tria RASynBoard, por ejemplo, con su procesador de decisión neuronal Syntiant NDP120 y el microcontrolador principal Renesas RA6M4, puede emplearse en operaciones de mantenimiento predictivo para identificar piezas defectuosas del equipo antes de que se produzcan problemas. Los sensores de sonido y vibración integrados determinan si una máquina necesita una pieza nueva o simplemente mantenimiento.
Placas integradas como estas están entrenadas para captar los sonidos más leves y detectar diferencias sutiles en el comportamiento del sistema, como una bomba de agua o de aguas residuales funcionando con o sin agua debido a una obstrucción, o el comportamiento de un animal, como si está enfermo o atrapado. En estos casos, los sonidos de audio se recopilan en un conjunto de datos para entrenar una red neuronal y detectar fallos en las máquinas o enfermedades del ganado.
Este tipo de placas integradas son muy beneficiosas para aplicaciones agrícolas inteligentes, ya que ofrecen un tamaño compacto, robustez, flexibilidad y potentes capacidades informáticas. Incorporan CPU, GPU, bloques de memoria de alto rendimiento, gestión de energía y diversas opciones de conectividad para añadir funcionalidad adicional, y pueden funcionar con baterías para uso autónomo.
Los equipos automatizados modernos dependen de datos enviados a la nube para su procesamiento, lo cual es inestable y poco confiable para áreas remotas como campos y granjas.
Pero la tendencia general es mantener el procesamiento de datos localmente, en la propia máquina, para ofrecer diversas ventajas, como mayor rendimiento, mayor eficiencia en el análisis de suelos, monitoreo de cultivos, detección de plagas y gestión del riego. Para áreas y vehículos remotos, las soluciones alimentadas por batería son muy adecuadas, y gracias a la última generación de procesadores de empresas como NXP, Qualcomm y Renesas, estas placas ofrecen un rendimiento muy alto con capacidades de IA en el borde, con un consumo de energía muy bajo.
El problema de la escasez de mano de obra se puede resolver con máquinas automatizadas, robots y drones capaces de tomar decisiones sobre la marcha, utilizando técnicas de aprendizaje automático para respaldar sus análisis.
La lucha contra el cambio climático se puede lograr con equipos de precisión equipados con IA que analizan las condiciones meteorológicas, del suelo y de las plantas en cualquier momento, decidiendo cuándo sembrar, regar (o no), tratar selectivamente plagas y enfermedades (es decir, donde más se necesita), cosechar los cultivos y mucho más. La agricultura de precisión con IA ahorrará energía, además de agua, pesticidas y herbicidas.
Ya existen numerosos programas útiles diseñados específicamente para la agricultura, con visión artificial y aprendizaje automático en segundo plano. Uno de estos programas identifica enfermedades de las plantas basándose en fotografías de sus hojas. Se entrena una red neuronal convolucional con un conjunto de datos existente y una muestra de imágenes de hojas para identificar la enfermedad con una precisión superior al 96 %. El objetivo de este proyecto es predecir eficazmente las enfermedades de las plantas para que los agricultores puedan tomar las medidas adecuadas antes de que se propaguen.
La visión artificial también puede emplearse en proyectos donde se emplean robots para regar plantas y drones para seleccionar áreas de un campo donde aplicar pesticidas. La automatización de estos procesos también reduciría la exposición humana a sustancias químicas nocivas.
Estos robots operan de forma autónoma, desplazándose por los campos mediante sensores, o se controlan manualmente mediante aplicaciones. La maquinaria agrícola, como tractores y cosechadoras, se está automatizando cada vez más; algunos utilizan tecnología SLAM (localización y mapeo simultáneos) para navegar con éxito por su entorno y superar obstáculos.
En un futuro próximo, la IA agrícola desempeñará un papel aún más importante en la agricultura, con tractores y robots agrícolas que responderán directamente a la comunicación verbal o textual en lenguaje humano. Además, en 5 a 10 años, cuando la IA generativa sea mucho más avanzada y totalmente autónoma, gestionará todos los aspectos de la agricultura, desde la semilla hasta la mesa. La IA analítica y la IA generativa cambiarán la forma en que se cultivan, cosechan y distribuyen los cultivos, y también proporcionarán prácticas agrícolas optimizadas y eficientes con mínima intervención humana. La IA también proporcionará formas adecuadas de garantizar la sostenibilidad incluso ante una fuerte presión económica, lo que definirá el futuro de esta industria.
Fuente: Iniciativa Global de Tecnología Agrícola. Autora: Monica Houston.
