Reconocimiento de campo para verificar el estado de la soja en medio del verano: agotamiento, pero necesario el trabajo al eliminar nuevas variedades.
Los criadores tienen que vagar diariamente bajo el sol abrasador en períodos críticos de la temporada de crecimiento para encontrar plantas que muestren características deseables, como la maduración temprana de las vainas. Pero, sin tener la oportunidad de automatizar la detección de estos signos, los científicos no pueden probar tantos sitios, ya que les gustaría aumentar el tiempo para eliminar nuevas variedades en el mercado.
En el nuevo estudio de la Universidad de Illinois, los científicos predicen el tiempo de la maduración de la soja en dos días utilizando imágenes de drones y inteligencia artificial, lo que facilita enormemente el trabajo.
"La evaluación de la madurez del POD requiere mucho tiempo y aquí a menudo es posible cometer un error, ya que este sistema de evaluación se basa en el color de la vaina, y existe el riesgo de determinarlo incorrectamente", dice Nicholas Martin , Profesor Asociado del Departamento de Credia en Illinois y el Colaborador del Estudio. "Muchos intentaron usar instantáneas de los drones para evaluar la madurez, pero somos los primeros en encontrar una forma precisa de hacerlo".
Rodrigo Trevizan, un estudiante de doctorado que trabaja con Martin, enseñó computadoras para detectar cambios en color en imágenes de Drones recolectados en cinco ensayos, tres cultivos de temporada y dos países. Es importante tener en cuenta que las computadoras pudieron considerar e interpretar incluso las imágenes "malas".
"Digamos que queremos recopilar imágenes cada tres días, pero una vez que aparecen las nubes o llueve, lo que afecta la calidad de las imágenes. Al final, cuando recibe datos durante diferentes años o de diferentes lugares, todos se verán diferentes desde el punto de vista del número de imágenes, intervalos, etc. La principal innovación que hemos desarrollado es cómo podemos tener en cuenta toda la información recibida. Nuestro modelo funciona bien, sin importar la frecuencia con la que se vaya los datos ", dice Trevizan.
Trevisan utilizó el tipo de inteligencia artificial, llamadas redes neuronales convolucionales profundas (CNN). Él dice que la CNN es como una forma de que el cerebro humano aprende a interpretar los componentes de las imágenes: color, forma, textura, es decir, la información obtenida de nuestros ojos.
"CNN detecta pequeños cambios en el color, además de formas, bordes y texturas. Para nosotros, el más importante fue el color. Pero la ventaja de los modelos de inteligencia artificial, que utilizamos, es que sería bastante simple usar el mismo modelo para predecir otra característica, como el rendimiento o el lapso. Entonces, ahora que tenemos estos modelos, las personas deben ser mucho más fáciles de usar la misma estrategia para cumplir con muchas otras tareas ", explicó Trevizan.
Los científicos dicen que la tecnología será útil principalmente en la cría de empresas comerciales.
"Tuvimos socios sectoriales que participaron en el estudio que definitivamente querrían usarlo en los próximos años. Y hicieron una contribución muy buena e importante. Querían asegurarse de que las respuestas sean relevantes para los criadores de campo que tomen decisiones eligiendo plantas y para los agricultores ", dijo Nicholas Martin.
(Fuente: FarmTario.com. Foto: Getty Images).