Al combinar inteligencia artificial y sensores que pueden ver más allá de la luz visible, los investigadores de Arkansas han desarrollado un sistema que supera el discernimiento humano cuando se trata de medir el estrés inducido por herbicidas en las plantas.
por John Lovett, Universidad de Arkansas
Científicos de la Estación Experimental Agrícola de Arkansas, la rama de investigación de la División de Agricultura del Sistema Universitario de Arkansas, publicaron un estudio en Smart Agricultural Technology que proporciona una prueba de concepto de que los sensores hiperespectrales como un espectrorradiómetro pueden ayudar a cuantificar la eficacia de los herbicidas , un elemento crítico en el manejo de malezas que ayuda a frenar la resistencia a los herbicidas.
Mientras que las cámaras normales utilizan tres bandas de luz visible (roja, verde y azul) para crear imágenes en el rango espectral de 380 a 750 nanómetros, la detección hiperespectral captura bandas que van de 250 a 2.500 nanómetros e infrarrojos térmicos.
Los investigadores utilizaron esta tecnología para evaluar la respuesta del cenizo común al glifosato. También hallaron evidencia empírica de que la fotosíntesis de la planta aumentó al ser expuesta a una dosis subletal del herbicida. El cenizo común (Chenopodium album L.) es una maleza en entornos agrícolas y de jardinería.
«La respuesta de las plantas a la aplicación de herbicidas se mide mediante calificaciones visuales, pero la precisión varía según la calidad de la capacitación y los años de práctica del evaluador», dijo la investigadora principal del estudio, Aurelie Poncet, profesora adjunta de agricultura de precisión en el Departamento de Ciencias de Cultivos, Suelos y Medio Ambiente de la División de Agricultura y el Dale Bumpers College of Agricultural, Food and Life Sciences.
«Pensamos que si tuviéramos un sensor que automatizara parte de esta decisión, podríamos implementarlo en aplicaciones futuras».
Los científicos especializados en malezas están capacitados para evaluar la eficacia de los herbicidas con un margen de error del 10 %, con un margen de error de más o menos el 5 %. Los investigadores utilizaron modelos de aprendizaje automático con datos recopilados con un espectrorradiómetro para alcanzar un margen de error del 12,1 %. Su objetivo es llegar a menos del 10 %.
Los investigadores utilizaron un algoritmo de aprendizaje automático de bosque aleatorio para analizar miles de puntos de datos del índice de vegetación recopilados en el experimento. El algoritmo combina los resultados de múltiples árboles de decisión para obtener un único resultado.
«Nuestro éxito al utilizar el bosque aleatorio para describir la respuesta del cenizo común a la aplicación de glifosato abre la posibilidad de ir más allá del desarrollo de índices de vegetación, otro enfoque que está ganando terreno en la literatura publicada», dijo Mario Soto, autor principal del estudio y estudiante de maestría en ciencias de cultivos, suelos y medio ambiente en Bumpers College.
Próximos pasos
Una vez perfeccionada, la detección hiperespectral podría utilizarse para medir la respuesta específica de las malezas a la aplicación de herbicidas y superar las limitaciones de la evaluación visual humana. Un mayor desarrollo del método y su validación también podrían utilizarse para crear una plataforma para la categorización de alto rendimiento de la respuesta de las malezas a los herbicidas y la detección de la resistencia a los herbicidas, señalaron los autores del estudio.
Si bien la capacitación puede superar la falta de experiencia de los evaluadores, la fatiga mental y física de las largas jornadas laborales evaluando tratamientos en duras condiciones ambientales puede afectar el juicio incluso del evaluador más experimentado, dijo Nilda Roma-Burgos, profesora de fisiología de malezas y biología molecular de la estación experimental y Bumpers College.
«Este método, en principio, podría eliminar el factor humano en las evaluaciones de la eficacia de los herbicidas y será una herramienta de investigación invaluable para la ciencia de las malezas», afirmó Burgos, coautor del estudio. «Mientras tanto, aún queda mucho trabajo por hacer para validar el método en especies clave de malezas, modos de acción de los herbicidas, tiempo después de la aplicación del herbicida y condiciones ambientales».
Los coautores del estudio incluyeron a Kristofor Brye, profesor universitario de física del suelo aplicada y pedología; Wesley France, asociado del programa, y Juan C. Velasquez, asistente de investigación de posgrado en ciencias de las malezas, del departamento de ciencias de cultivos, suelos y medio ambiente.
Más información: Mario Soto et al., Indicadores hiperespectrales y caracterización del estrés inducido por glifosato en cenizo (Chenopodium album L.), Tecnología Agrícola Inteligente (2025). DOI: 10.1016/j.atech.2025.100890
