La IA gana protagonismo en la agricultura

Entre ellos se encuentra el creciente número de fenómenos meteorológicos adversos a causa del cambio climático, como las sequías, las inundaciones, la erosión del suelo y la pérdida de biodiversidad, entre otros, además del impacto de la vida humana sobre el planeta. También existen problemas constantes como la escasez de trabajadores, las plagas y las enfermedades que afectan a las plantas y al ganado, los cambios de reglamentos y normas, y las expectativas variables de procesadores de alimentos, los comerciantes minoristas y consumidores. A todo ello se suma la creciente preocupación por la conservación del medio ambiente y la protección de los polinizadores.

La incorporación de la tecnología a la agricultura ha sido importante para mitigar algunos de estos problemas, mejorar la productividad y garantizar la seguridad del agricultor. La monitorización agrícola es tan solo uno de los sistemas que ayudan a los agricultores a gestionar sus cosechas, obtener los máximos rendimientos, reducir esfuerzos y optimizar los procesos. La AEM (Association of Equipment Manufacturers) informó en 2021 que aplicar tecnologías agrícolas de precisión ayudó a aumentar la producción en un 4% al tiempo que disminuyó el uso de fertilizantes en un 7%, de herbicidas en un 9% y de agua en un 4%.

La recogida de datos e Internet de las Cosas (IoT), junto con GPS, los sistemas de información geográfica, la detección remota y las imágenes por satélite, han permitido que los agricultores mejoren sus métodos, pero la IA y los robots les ofrecerán la posibilidad de ganar aún más. La firma analista de mercados StartUs Insights prevé que la IA en la agricultura representará un volumen de negocio de 4.700 millones de dólares en 2028 tras experimentar un crecimiento medio interanual superior al 23%.

Las máquinas utilizadas en los campos ya son más pequeñas e inteligentes ya que incorporan numerosos sensores y procesamiento de IA a nivel local, también denominada IA perimetral (edge AI). La información del sensor se puede analizar y aprovechar para tomar decisiones en tiempo real con el fin de gestionar mejor las cosechas. Los datos del sensor también se pueden usar para conocer el estado de la maquinaria agrícola mediante técnicas de mantenimiento predictivo que avisan al personal de mantenimiento antes de que las máquinas se averíen. Esto es posible gracias a tarjetas de procesamiento avanzado como las desarrolladas por Tria Technologies, que incorporan un conjunto de procesadores, sensores y funciones de IA.

Las tarjetas embebidas de este tipo se entrenan para recoger el más leve sonido y detectar diferencias minúsculas en el funcionamiento de un sistema; por ejemplo, una bomba de agua o de aguas residuales que funcione con o sin agua porque hay una obstrucción, o el comportamiento de un animal que, por ejemplo, esté enfermo o atrapado. En estos casos, los sonidos se recogen en un conjunto de datos para entrenar a una red neuronal para que pueda detectar fallos en las máquinas o enfermedades del ganado.

Algunas tarjetas de Tria admiten hasta dieciséis cámaras y se pueden adaptar fácilmente a robots y visión artificial. Otra tarjeta de la misma familia también admite varias cámaras y puede ejecutar modelos de lenguaje LLM (Large Language Models).

Las tarjetas embebidas de este tipo se entrenan para recoger el más leve sonido y detectar diferencias minúsculas en el funcionamiento de un sistema.

Las tarjetas embebidas de este tipo resultan muy ventajosas para las aplicaciones de agricultura inteligente ya que ofrecen un tamaño compacto, robustez, flexibilidad y unas potentes prestaciones de computación. Cuentan con CPU, GPU, grandes unidades de memoria intensiva, gestión del consumo y diferentes opciones de conectividad para añadir más funciones que se pueden alimentar mediante baterías para su uso de manera autónoma.

Los actuales equipos automatizados recurren a los datos enviados a la nube para ser procesados, lo cual es insostenible y poco fiable en zonas remotas como campos de cultivo y granjas. Pero las tendencias generales pasan por mantener el procesamiento de los datos a nivel local, en la propia máquina, con el fin de aportar una serie de ventajas entre las que se encuentran un mayor rendimiento, mejor eficiencia en el análisis del terreno, monitorización de los cultivos, detección de plagas y gestión del riego. En zonas remotas y vehículos son muy adecuadas las soluciones alimentadas por baterías, y gracias a la nueva generación de procesadores de compañías como NXP, Qualcomm y Renesas, esas tarjetas ofrecen un rendimiento muy elevado y prestaciones de IA perimetral con un consumo muy bajo.

La escasez de mano de obra se puede abordar con máquinas automatizadas, robots y drones capaces de tomar decisiones sobre la marcha gracias a técnicas de aprendizaje automático que potencian su capacidad de análisis.

Algunas tarjetas de Tria admiten hasta dieciséis cámaras y se pueden adaptar fácilmente a robots y visión artificial.

La lucha frente al cambio climático se puede conseguir mediante equipos precisos que incorporen IA para analizar patrones meteorológicos y el estado de los terrenos y de las plantas en todo momento para decidir cuál es el momento idóneo para sembrar, regar (o dejar de regar), tratarlo para combatir plagas y enfermedades de manera selectiva (es decir, donde más se necesite), cosechar y muchas más actividades. La agricultura de precisión basada en IA ahorrará energía, agua, pesticidas y herbicidas.

Ya están en marcha numerosos programas especialmente desarrollados para cubrir las necesidades agrícolas mediante la ejecución de visión artificial y aprendizaje automático. Uno de estos programas determina las enfermedades que sufren las plantas a partir de fotografías de sus hojas. Se entrena una red neuronal convolucional con un conjunto de datos existente y una selección de imágenes de las hojas con el fin de identificar la enfermedad con una exactitud superior al 96%. El objetivo de este proyecto es pronosticar las enfermedades de las plantas eficientemente para que los agricultores puedan tomar las medidas apropiadas antes de que se propaguen.

La visión artificial también se puede aplicar a proyectos que utilicen robots para regar las plantas y drones para seleccionar las secciones del terreno a las que se pulverizará pesticida de forma selectiva. La automatización de estos procesos también disminuye la exposición de las personas a productos químicos dañinos.

Estos robots funcionan de manera autónoma, moviéndose por los campos mediante sensores, o controlados manualmente a través de apps. La maquinaria agrícola, como los tractores y las cosechadoras, están cada vez más automatizadas y algunas de ellas utilizan una técnica denominada SLAM (simultaneous localisation and mapping) para moverse con éxito por su entorno esquivando los posibles obstáculos.

En un futuro cercano, los LLM desempeñarán un papel aún más relevante en la agricultura, cuando los tractores y los robots agrícolas respondan directamente a la comunicación verbal o basada en textos con un lenguaje humano. Más adelante, dentro de unos 5 a 10 años, cuando la IA generativa sea mucho más avanzada y totalmente autónoma, ejecutará todos los aspectos de la agricultura, desde la semilla hasta la mesa. La IA analítica y la IA generativa transformarán la manera de cultivar, cosechar y distribuir, además de proporcionar unos métodos agrícolas optimizados y eficientes con una mínima intervención humana. La IA también ofrece los medios apropiados para la sostenibilidad, incluso bajo fuertes presiones de tipo económico, forjando así el futuro de este sector.