Además, el algoritmo se puede entrenar para contar frutos, identificar deficiencias nutricionales y otros problemas, que se pueden incorporar en este tipo de plataformas, sin necesidad de tener que utilizar el móvil
Hortoinfo.- 07/07/2023
Investigadores colombianos han creado un sistema basado en Inteligencia Artificial (IA), mediante el que el propio agricultor puede detectar qué plagas, enfermedades, deficiencias nutricionales u otros problemas están afectando a su cultivo de tomate, según ha podido saber Hortoinfo a través de la Agencia Iberoamericana para la Difusión de la Ciencia y la Tecnología.
Esta innovación, basada en un algoritmo capaz de detectar hasta 10 enfermedades de la planta, beneficia a los pequeños productores que, de ese modo, obtienen de manera rápida un asesoramiento constante e inmediato, sin necesidad de que los profesionales se desplacen hasta el lugar de cultivo.
A través de un método de clasificación de imágenes basado en inteligencia artificial, integrado a una plataforma de agricultura inteligente, se implementó un sensor con cámara que no necesita siquiera utilizar un teléfono móvil, y que opera en condiciones limitadas de conectividad y energía para detectar en tiempo real las enfermedades de las plantas, además de medir variables importantes –como humedad y temperatura– para el cuidado de los cultivos.
El desarrollo fue logrado por el ingeniero agrícola Juan Felipe Restrepo Arias, doctor en Ingeniería – Sistemas e Informática de la Facultad de Minas de la Universidad Nacional de Colombia (UNAL), Sede Medellín, quien explica que “en la agricultura casi todos los datos que se toman son visuales: el agricultor debe ir todos los días a su cultivo para observar si hay alguna enfermedad, una plaga o cualquier otra alteración, o bien el estado de maduración de los frutos. Los sensores miden variables comunes y datos fáciles de transmitir, pero la mayor parte de dicha información no es visual”, señala el investigador.
Agrega que “las plataformas de internet de las cosas (IoT) siempre se han basado en sensores, pero éstas, o no contemplan la visión, o ésta queda limitada. La idea se decantó en ese sentido, en incorporar una herramienta que capturara imagen. Aunque muchos problemas de los cultivos se pueden capturar por imagen, elegimos las enfermedades en las hojas de cultivos de tomate”.
El investigador considera que la agricultura inteligente y el IoT les brindan a quienes viven en el área rural la oportunidad de medir diferentes variables y transmitirlas a los ingenieros agrónomos o agrícolas para su revisión.
Su propuesta consiste en implementar un sensor con cámara en un módulo portátil que se instala en el invernadero, que no necesita para su funcionamiento la ayuda de teléfonos móviles u otros aparatos.
El agricultor ubica la hoja enferma, toma la imagen, y el algoritmo, que está montado sobre un microprocesador de muy baja capacidad de cómputo, la procesa.
“El algoritmo se basa en la red Mobilenet, creada hace años por desarrolladores de Google, a la cual le hicimos adaptaciones. Con base en esta creamos tres redes neuronales y probamos cuál era la red que mejores resultados mostraba para detectar las enfermedades del tomate y que no requería de un alto poder computacional”, anota el investigador, quien también es magíster en Ingeniera Administrativa.
Efectividad y futuro de la detección
El investigador Restrepo explica que “normalmente todos los algoritmos de inteligencia artificial basados en redes neuronales tienen un porcentaje de error. La idea es que ese margen no sea muy alto, como con cualquier inteligencia normal; un ser humano también se equivoca a veces reconociendo un rostro, un lugar o un objeto por distintos factores. Ni el ser humano es cien por cien efectivo al hacer un reconocimiento por visión, lo mismo pasa con los algoritmos basados en visión por computador, pero aun así alcanzamos una precisión del 92 por ciento”.
Su desarrollo está acompañado por sensores tradicionales de una plataforma de IoT que permite recolectar datos útiles para cuidar el cultivo, como temperatura, humedad del aire, conductividad eléctrica del suelo, o CO2, entre otras.
Estos datos servirán para recoger información durante un año o año medio, y que después les permita a otros investigadores entrenar algoritmos nuevos para predecir estas y otras enfermedades en lugar de la detección.