El empleo adecuado de los datos es una poderosa herramienta para potenciar la agricultura sostenible. En Ecuador el nivel de digitalización en las fincas todavía es escaso.

ING. GUY SELA
Emprendedor, consultor agrícola
Fundador de Cropaia y YieldsApp
info@cropaia.com Enviar e-mail

Desde los apuntes a mano, pasando por las hojas de Excel, hasta llegar a bases de datos interconectadas gracias a la Internet, las fincas en diversos países del mundo han ido mejorando sus sistemas de recolección de datos y, por tanto, sus modelos de tomas de decisiones. Y aunque en Ecuador todavía la digitalización puede verse como algo lejano, sobre todo en fincas pequeñas o con escasa conectividad, la transformación que trae consigo la inteligencia artificial (IA) ya nos pisa los talones.

Guy Sela, consultor agrícola y conferencista en el “Seminario web gratuito: Agricultura Impulsada por Inteligencia Artificial”, describe el amplio bagaje de datos ya disponible en la red y cómo la IA puede sacarles provecho.

Existe ya en la red una base de datos muy grande de todo el mundo “big data” con información de interés, ya no solamente de las fincas de manera individual, sino, por ejemplo, de servicios de estaciones de meteorología, información en tiempo real de las temperaturas de casi todo el mundo, satélites que cada cinco días pasan por cada punto en el mundo y conectan datos (algunos de ellos están disponibles en la red de manera gratuita).

Existen también herramientas para recolección de datos como sensores de suelo, drones y satélites. Están disponibles aplicaciones digitales para sistemas de riego, tractores con GPS que pueden aplicar dosis exactas de fertilizantes, herbicidas, etc. Sin embargo, todavía hay diferencias entre los datos y la aplicación de los mismos. Es ahí donde entra la IA.

Es preciso dimensionar esta innovación no como una tecnología única, sino más bien como un sistema de aprendizaje automático, que trabaja con algoritmos de entrenamiento que aprenden de macrodatos para realizar predicciones.

Parte de este entrenamiento consiste en enseñar a las computadoras a interpretar y comprender la información visual. “Por ejemplo, le enseñamos a la computadora: esta es una hoja sana, esta es una hoja que contiene tal enfermedad. Otro rasgo distintivo de la IA es su capacidad de procesamiento del lenguaje natural” explica Guy Sela.

La IA funciona mediante algoritmos muy sofisticados que le permiten autoentrenarse permanentemente. Es así que, mientras en los algoritmos convencionales hay pasos lógicos definidos, la IA usa macrodatos para identificar patrones y tendencias.

Los algoritmos convencionales emplean reglas fijas, a diferencia de la IA que se basa en probabilidades e inferencias estadísticas. “Un algoritmo convencional es estático, de manera que si ingresamos los mismos datos vamos a obtener siempre el mismo resultado. La IA adapta y mejora los resultados, mejora su rendimiento con el tiempo”, explica Sela.

Los algoritmos tradicionales responden a problemas bien definidos y basados en reglas. La IA es capaz de resolver problemas complejos y no estructurados.

APLICACIONES DE LA IA EN LA AGRICULTURA

Este proceso potencia la agricultura de precisión. Algunas de las aplicaciones prácticas más comunes son:

• Aplicación variable de fertilizantes, agua y otros insumos. “Dónde aplicar más o menos fertilizantes o agua” con base de información específica y en tiempo real, recopilada por satélites, drones, estaciones meteorológicas y diversos sensores.
• “Los análisis basados en IA pueden ayudar a los agricultores a adoptar prácticas sostenibles que reduzcan su huella de carbono”. Les permite optimizar el uso de pesticidas, fertilizantes, combustibles y otros insumos, asegura Guy Sela.
• Monitoreo de cultivos. Permite el pronóstico y detección temprana de plagas o enfermedades.
• El registro, actualización y análisis permanentes de información meteorológica relevante permite hacer predicciones sobre el clima y adoptar mejores decisiones sobre los cultivos.
• “El empleo de vehículos autónomos y de le robótica permite hacer plantaciones y cosechas de precisión, saber qué fruto está suficientemente maduro y cuál no, cuál es el mejor momento para la cosecha, etcétera”, afirma el experto.
• La identificación temprana de la maleza mediante detección de imágenes con IA posibilita la eliminación de la maleza en un punto específico, sin necesidad de fumigar el campo entero.
• Identificar de manera precisa el avance de una plaga permite conocer las áreas que requieren un tratamiento preventivo, umbrales de plagas, su resistencia, entre otros aspectos.
• El registro de la evolución de un cultivo, asociado a variables como el pronóstico del tiempo, puede proporcionar datos más precisos sobre el rendimiento esperado, días hasta la cosecha, fecha óptima de siembra, etc. De igual manera brinda elementos clave para generar protocolos a futuro.
• Robots y vehículos autónomos apoyan en tareas agrícolas específicas como el monitoreo autónomo de cultivos. “Se les puede disponer mediante comandos, a dónde ir, qué aplicar, dónde y cómo aplicar”, detalla Sela.
• Acelera el proceso de mejoramiento de cultivos, ya que permite analizar una gran cantidad de datos genéticos y predecir resultados potenciales de diferentes cruces.

• Estas y otras múltiples aplicaciones ya son una realidad y aportan enormes ventajas, entre ellas la optimización de recursos, la mejora en la eficiencia y el fortalecimiento de prácticas agrícolas sostenibles.