Agricultura Estados Unidos Tecnología Agrícola

Nuevo algoritmo de inteligencia artificial predice mejor el rendimiento de maíz


Con algunos informes que predicen que el mercado de agricultura de precisión alcanzará los $ 12.9 mil millones para 2027, existe una creciente necesidad de desarrollar soluciones sofisticadas de análisis de datos que puedan guiar las decisiones de gestión en tiempo real.


por Lauren Quinn, Universidad de Illinois en Urbana-Champaign


Un nuevo estudio de un grupo de investigación interdisciplinario de la Universidad de Illinois ofrece un enfoque prometedor para procesar de manera eficiente y precisa los datos de precisión de ag.

«Estamos tratando de cambiar la forma en que las personas manejan la investigación agronómica. En lugar de establecer una pequeña parcela de campo, realizar estadísticas y publicar los medios, lo que estamos tratando de hacer involucra al agricultor mucho más directamente. Estamos realizando experimentos con los agricultores». maquinaria en sus propios campos. Podemos detectar respuestas específicas del sitio a diferentes entradas. Y podemos ver si hay una respuesta en diferentes partes del campo «, dice Nicolas Martin, profesor asistente en el Departamento de Ciencias de Cultivos en Illinois y co- autor del estudio.

Y agrega: «Desarrollamos una metodología que utiliza el aprendizaje profundo para generar predicciones de rendimiento. Incorpora información de diferentes variables topográficas, electroconductividad del suelo, así como tratamientos de nitrógeno y tasa de semillas que aplicamos en nueve campos de maíz del Medio Oeste».

Martin y su equipo trabajaron con datos de 2017 y 2018 del proyecto Data Intensive Farm Management, en el que se aplicaron semillas y fertilizantes nitrogenados a diferentes velocidades en 226 campos en el Medio Oeste, Brasil, Argentina y Sudáfrica. On- medidas del suelo se emparejaron con imágenes de satélite de alta resolución de PlanetLab para predecir el rendimiento.

Los campos se dividieron digitalmente en cuadrados de 5 metros (aproximadamente 16 pies). Los datos sobre el suelo, la elevación, la tasa de aplicación de nitrógeno y la tasa de semillas se introdujeron en la computadora para cada cuadrado, con el objetivo de aprender cómo interactúan los factores para predecir el rendimiento en ese cuadrado.

Los investigadores abordaron su análisis con un tipo de aprendizaje automático o inteligencia artificial conocido como red neuronal convolucional (CNN). Algunos tipos de aprendizaje automático comienzan con patrones y le piden a la computadora que ajuste nuevos bits de datos en esos patrones existentes. Las redes neuronales convolucionales son ciegas a los patrones existentes. En cambio, toman fragmentos de datos y aprenden los patrones que los organizan, de forma similar a la forma en que los humanos organizan nueva información a través de redes neuronales en el cerebro. El proceso CNN, que predijo el rendimiento con alta precisión , también se comparó con otros algoritmos de aprendizaje automático y técnicas estadísticas tradicionales.

«Realmente no sabemos qué está causando diferencias en las respuestas de rendimiento a los insumos en un campo. A veces las personas tienen la idea de que un determinado lugar debería responder realmente fuertemente al nitrógeno y no lo hace, o viceversa. La CNN puede recuperarse sobre patrones ocultos que pueden estar causando una respuesta «, dice Martin. «Y cuando comparamos varios métodos, descubrimos que la CNN estaba funcionando muy bien para explicar la variación del rendimiento».

El uso de la inteligencia artificial para desenredar los datos de la agricultura de precisión todavía es relativamente nuevo, pero Martin dice que su experimento simplemente roza la punta del iceberg en términos de posibles aplicaciones de CNN. «Eventualmente, podríamos usarlo para obtener recomendaciones óptimas para una combinación dada de entradas y restricciones del sitio».


Leer más

  • Abejorros como protectores de plantas
    La granja suiza de bayas orgánicas Räss Wildbeeren cerca de Zúrich ha probado con éxito la “Tecnología de vectorización de abejas” (BVT) como un estreno europeo. Esta tecnología utiliza abejorros en la lucha contra los hongos patógenos.© BVT Hace unos 30 años…
  • Una herramienta proactiva para el uso adecuado de fitosanitarios
    Se trata de una tecnología simple, económica y de fácil mantenimiento que permite la preservación del ecosistema, el cuidado de la salud humana y el cumplimiento de las nuevas exigencias que demanda el mercado nacional e internacional, bajo el principio…
  • La nueva tecnología acelera la mejora de los cultivos con CRISPR
    Los investigadores saben cómo realizar cambios genéticos precisos dentro de los genomas de los cultivos, pero las células transformadas a menudo se niegan a convertirse en plantas. Un equipo ha ideado una nueva solución. Los científicos que quieren mejorar los cultivos…
  • Imágenes satelitales, la otra materia prima del agro
    El INTA participa de la Semana Mundial del Espacio, organizada por la CONAE, un encuentro que destaca la importancia de la tecnología de observación de la Tierra. Se trata información precisa y en tiempo real que colabora con la toma…
  • Uso de tecnología móvil para predecir la transmisión de especies invasoras
    Un refrigerador lleno de pescado podría no ser lo único que los pescadores traen de un viaje al lago.  Sin saberlo, también pueden estar transportando pequeños «autostopistas» acuáticos que se adhieren a botes, motores, e incluso artes de pesca, cuando…
  • Una nueva investigación arroja luz sobre la renuencia de los agricultores a adoptar nuevas tecnologías
    La investigación de la Facultad de Economía de la Universidad de Kent arroja nueva luz sobre un obstáculo de larga data para mejorar la productividad agrícola en los países en desarrollo La investigación de la Facultad de Economía de la…

LEAVE A RESPONSE

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Social Media Auto Publish Powered By : XYZScripts.com