Imagen: Michael Selvaraj (derecha), se prepara para hacer volar un Dron  en el campus de La Alianza de Bioversity International y CIAT en Colombia. Foto: Neil Palmer / CIAT

Mediante aprendizaje automático, los científicos pueden analizar imágenes tomadas por drones sobre el suelo para comprender cómo responden los tubérculos a la sequía o el calor debajo de la superficie del suelo. La plataforma Pheno-i transmite datos a los científicos en tiempo real para que desarrollen cultivos más resilientes al clima.

Tubérculos, como yuca, zanahoria y papa, son notablemente buenos para esconder enfermedades o deficiencias que pueden afectar su crecimiento. Aunque las hojas se vean verdes y sanas, los agricultores pueden encontrar sorpresas desagradables al momento de cosechar sus cultivos.

Esto también representa un problema para los fitomejoradores, que deben esperar meses o años antes de saber cómo responden los cultivos a los cambios de temperatura o sequía. No saber qué nutrientes o condiciones de cultivo necesita la planta en etapas tempranas también merma la productividad.

El 14 de junio, se publicó en Plant Methods una nueva investigación utilizando aprendizaje automático para ayudar a predecir el crecimiento de las raíces y su salud mediante imágenes tomadas sobre la superficie del suelo. “Uno de los grandes misterios para los fitomejoradores es saber si lo que sucede sobre la superficie del suelo se corresponde con lo que sucede debajo”, comentó Michael Selvaraj, uno de los coautores de la Alianza de Bioversity International y CIAT.

Ello representa un gran problema para todos los científicos. Se necesitan muchos datos: follaje de la planta, altura, otras características físicas que toman mucho tiempo, energía y ensayos, para captar qué sucede en realidad debajo del suelo y qué tan saludable está verdaderamente el cultivo.

Michael Selvaraj

Fisiólogo vegetal, Alianza de Bioversity International y CIAT

Aunque los drones están cada vez más baratos y el hardware para capturar imágenes físicas a través de ensayos de cultivos se ha vuelto más fácil de usar, analizar inmensas cantidades de información visual y destilarla en datos útiles para los fitomejoradores representa un importante cuello de botella.

La plataforma Pheno-i ahora puede combinar datos de miles de imágenes de alta resolución utilizando imágenes obtenidas con drones y analizarlas mediante aprendizaje automático para producir una hoja de cálculo. Esto muestra a los científicos con exactitud cómo están respondiendo las plantas a los estímulos en el campo en tiempo real.

Cultivo de yuca en Camboya. Crédito: CIAT/G.Smith

Cultivo de yuca en Camboya. Crédito: CIAT/G.Smith

Ahora, los fitomejoradores pueden responder de inmediato utilizando la tecnología, para aplicar fertilizantes, en caso de que falte un nutriente en particular, o agua. Los datos también permiten a los científicos descubrir rápidamente qué cultivos son más resistentes a cuáles crisis climáticas, para que puedan aconsejar a los agricultores que siembren variedades más resilientes al calor o a la sequía.

“Estamos ayudando a los fitomejoradores a seleccionar más rápido las mejores variedades de tubérculos y que así puedan desarrollar variedades con mejor rendimiento y más adaptadas al clima para los agricultores”, dijo Gómez Selvaraj.

“Los drones solo son un dispositivo de hardware, pero cuando se unen con esta plataforma rápida y precisa de análisis, podemos proporcionar datos útiles y procesables para acelerar la productividad de los cultivos”.

La tecnología parece prometedora para otros cultivos.

El software de análisis automatizado de imágenes y los modelos de aprendizaje automático desarrollados a partir de este estudio son prometedores y podrían aplicarse a otros cultivos distintos de la yuca para acelerar el trabajo de fenotipado digital dentro del marco de investigación de la Alianza.

Joe Tohme

Director de Investigación de Cultivos para la Nutrición y la Salud de la Alianza.

Pin It on Pinterest

Share This