Machine learning en el campo

El Machine Learning en el campo beneficia a la agricultura al aplicar el aprendizaje automático a la maquinaria agrícola. Se apoya de los datos obtenidos de sensores, sistemas de administración de granjas y software especializado que ofrecen información de las parcelas en tiempo real.

Esta tecnología surgió de la mano del big data y los sistemas computacionales de alto rendimiento. De acuerdo al National Center for Biotechnology, se define como el campo científico que otorga a las máquinas la capacidad de aprender sin estar estrictamente programadas, es decir, aprende de la experiencia para realizar una tarea.

Como una rama de la inteligencia artificial, este conocimiento automático se construye con base en el desarrollo de algoritmos. Para conseguirlo, la máquina ‘aprende’ de un conjunto de ejemplos que describen variables en la realidad, y a partir de ellos se utilizan modelos estadísticos y matemáticos.

Una vez finalizado el proceso de aprendizaje, la máquina puede clasificar, predecir o agrupar nuevos ejemplos, utilizando la experiencia obtenida durante el proceso de capacitación.

Nuevas oportunidades para la agricultura

Esto ofrece beneficios para la predicción de rendimiento de cultivo, detección de enfermedades, calidad de producto, detección de malezas y reconocimiento de plantas. Además, es útil para la gestión de agua y el manejo de suelo.

Un uso destacado del machine learning se lleva a cabo en cafetales, en donde robots contabilizan automáticamente las frutas de café y logran dividirlas en categorías. Incluso pueden estimar el peso y el porcentaje de maduración de la fruta para mejorar la planificación del trabajo y con esto, aumentar el rendimiento.

Esta tecnología también es capaz de dirigir los pesticidas a los puntos en los que la enfermedad o la plaga están atacando, lo que conlleva a un ahorro financiero y para el medio ambiente. Todo gracias a máquinas que pueden discriminar entre plantas e incluso distinguir entre parásitos y hongos.

Los mismos beneficios los han detectado con el manejo de malezas, ya que hay maquinaria que puede discriminar entre las hierbas competencia y las del cultivo de maíz o sorgo, por ejemplo. De esta manera se destruye la maleza disminuyendo la necesidad de usar herbicidas.

En cuanto a la gestión del agua en la producción agrícola, se puede estimar la cantidad precisa de evapotranspiración de las plantas, lo que permite diseñar nuevos sistemas de riego. Asimismo, con datos como la temperatura diaria del punto de rocío, pueden identificarse fenómenos meteorológicos y con ello anticiparse a los cambios climáticos.

Las aplicaciones del aprendizaje automático alcanzan otros desarrollos tecnológicos como los sistemas de administración de granjas, los cuales se convierten en programas habilitados para la inteligencia artificial en tiempo real. Así, proporcionan recomendaciones e información para las acciones que los agricultores deben llevar a cabo.

Este campo de recomendaciones e ideas enriquece el conocimiento del agricultor ayudando a la toma de decisiones y acciones posteriores para la producción. Sus modelos se siguen explorando y con ellos nuevas herramientas integradas y aplicables. En este momento, todos los enfoques son individuales, pero se espera que su integración a futuro aumente los niveles de producción y la calidad de los alimentos.

Fuente: The National Center for Biotechnology y Research Gate