La combinación de tecnologías propuesta no solo mejora la eficiencia en la detección, sino que también representa una oportunidad para reducir costos a largo plazo y minimizar el impacto ambiental

La industria vitivinícola puede ser pionera en la adopción de estas soluciones y, de hecho, ya ha demostrado un firme compromiso hacia la vanguardia tecnológica, logrando significativos progresos en la viticultura de precisión.

En un mundo en rápida evolución, donde el aumento de la población, el cambio climático y la pérdida de tierras cultivables amenazan el suministro mundial de alimentos (Martindale, 2014), la robotización emerge como una de las respuestas más prometedoras a estos desafíos. La adopción de robots en la agricultura tiene el potencial de mejorar la precisión y eficiencia en diversas operaciones agrícolas, desde la siembra y el cultivo hasta la cosecha. Estos avances en robotización pueden reducir significativamente la dependencia de la mano de obra, proporcionar soluciones personalizadas a desafíos específicos del cultivo y mejorar la rentabilidad y sostenibilidad general del sistema agrícola. La robotización no solo permite una gestión más precisa de los recursos, sino que también facilita la detección temprana de enfermedades y plagas, optimizando así los tratamientos y reduciendo la necesidad de pesticidas y otros químicos, por ejemplo a través de la generación de mapas de riesgo basados en imagen aérea (Vélez et al., 2023). Estas innovaciones no solo favorecerán la economía del sector, sino que también tendrán beneficios ambientales y sociales, al minimizar los impactos negativos en el ecosistema y garantizar alimentos más saludables para los consumidores.

El precio, la cantidad y la calidad de los productos agrícolas están afectados por las políticas de los gobiernos, pero también por los efectos cascada del cambio climático en los agroecosistemas y la agricultura, que es el sector económico más vulnerable a los cambios en los patrones climáticos (European Environment Agency, 2019). El cambio climático modifica la fenología de la vid, precipitando la maduración de las uvas y alterando el metabolismo completo de la planta (Mira de Orduña, 2010). Al mismo tiempo, no sólo la vid, sino también las enfermedades asociadas están influenciadas notablemente por las fluctuaciones del cambio climático. Estas variaciones climáticas impactan en tres factores cruciales para el desarrollo de enfermedades: la presencia de patógenos, la susceptibilidad de las plantas y un ambiente propicio para el ciclo vital del patógeno (Burchett & Burchett, 2017), pudiendo potenciar los efectos devastadores de las plagas y enfermedades en la agricultura.

En este contexto, la robotización podría jugar un papel vital en la adaptación y mitigación de estos impactos, ofreciendo soluciones más resilientes y sostenibles. La industria vitivinícola puede ser pionera en la adopción de estas soluciones y, de hecho, ya ha demostrado un firme compromiso hacia la vanguardia tecnológica, logrando significativos progresos en la viticultura de precisión (Santesteban, 2019). Este avance se debe, en parte, a la constante búsqueda de la máxima calidad en el vino y a los márgenes económicos comparativamente elevados en relación con otros cultivos. Estos factores proporcionan a la viticultura el impulso financiero y el ímpetu necesarios para posicionarse como una de las pioneras en la revolución robótica del sector agrícola.

Para combatir las enfermedades con eficacia, es esencial implementar una monitorización detallada del cultivo con diversos recursos. Sin embargo, las soluciones actuales a menudo son costosas y, a veces, inaccesibles cuando se necesitan con urgencia para determinar y tratar áreas afectadas. Así, se vuelve imperativo aprovechar las tecnologías modernas en agricultura, incluyendo sensores, satélites, UAVs (vehículos aéreos no tripulados, por sus siglas en inglés) y UGVs (vehículos terrestres no tripulados, por sus siglas en inglés), para desarrollar una robótica agrícola avanzada y conseguir transformar no solo la viticultura, sino toda la industria agrícola, llevándola hacia un futuro más rentable, sostenible, eficiente y resiliente.

Se realizaron ensayos de campo en un viñedo comercial de Terras Gauda (Tomiño, Galicia, España) en los años 2021, 2022 y 2023, en el marco del proyecto europeo H2020 FLEXIGROBOTS. SERESCO estuvo a cargo de la red de sensores en tierra y de la plataforma DSS, Universidad de Wageningen encargada de la robótica aérea (UAVs) y de la inspección remota y el Centro de Automática y Robótica del CSIC encargado de los robots terrestres (UGVs) y de la inspección de proximidad incluyendo el sistema de detección en imagen de la enfermedad.

El enfoque presentado es un enfoque de teledetección a escala ampliada, donde el cultivo objetivo se analiza en resoluciones espaciales subsecuentes - hectáreas (nivel de campo), metros (nivel de fila o lineo de cultivo), centímetros (nivel de planta) - en tres pasos (Fig. 1). Estas capas espaciales se obtienen integrando información proporcionada por sensores de red ambiental, satélites, UAVs y UGVs (Fig. 2). Los sensores de red, combinados con la información satelital, proporcionan una estimación inicial de dónde podría estar desarrollándose la enfermedad en varios campos. Esta información es enviada a los UAVs, que inspeccionan con cámaras los campos y, empleando algoritmos de Machine Learning (aprendizaje automático), generan un mapa de probabilidad que indica el riesgo de desarrollo de enfermedad, mostrando su ubicación potencial (Vélez et al., 2023). A continuación, los UGVs inspeccionan con cámaras todo el cultivo poniendo especial interés en las ubicaciones con mayor probabilidad de padecer la enfermedad y determinan de forma precisa, utilizando modelos de detección obtenidos con técnicas de aprendizaje profundo (Deep Learning), la ubicación y estado de la enfermedad de las plantas. Cada plataforma tiene un subsistema único que proporciona información georreferenciada de la ubicación de la enfermedad en cada escala. Esta información se modela para generar un mapa único con la mejor estimación de la ubicación de la enfermedad. Finalmente, con la información proporcionada por los sistemas de inspección basados en los UAVs y UGVs, el agricultor puede llevar un seguimiento de los viñedos y de la flota de robots a través de la plataforma DSS. En ella se visualiza la información generada a partir de los vuelos de UAVs (mapas de probabilidad de desarrollo de Botrytis) la telemetría de los robots en tiempo real, así como de la ubicación de los racimos en los que han detectado la enfermedad, visualizando fotografías de éstos.

La combinación de tecnologías propuesta no solo mejora la eficiencia en la detección, sino que también representa una oportunidad para reducir costos a largo plazo y minimizar el impacto ambiental. Es esencial que la industria agrícola adopte tales soluciones para mantener la operatividad en un mundo cada vez más competitivo, asegurando no solo la salud de los cultivos, sino también la sostenibilidad del sector. De este modo, los experimentos realizados en campo muestran que el enfoque propuesto ofrece mejores resultados en comparación con los métodos actuales ya que: 1) reduce el tiempo para detectar las ubicaciones de la enfermedad en el cultivo hasta 1 h/ha; 2) aumenta la precisión de la localización de enfermedades en más del 60%; 3) reduce la cantidad de tratamiento químico hasta en un 80%, ya que el pesticida podría aplicarse solo en las plantas con riesgo de desarrollar la enfermedad; y 4) podría tener un potencial retorno de inversión (ROI) positivo después de 6 y 3 temporadas, cuando es utilizado por productores de pequeña/media escala (<100ha) y de escala media/alta (<1000ha), respectivamente.

Agradecimientos

Este trabajo ha sido realizado en el marco del proyecto H2020 FlexiGroBots, financiado por la Comisión Europea a través de su programa H2020 (número de contrato 101017111, https://flexigrobots-h2020.eu/). Los autores desean agradecer a MathWorks, Inc. por su apoyo.

Referencias

Burchett, S., & Burchett, S. (2017). Plant pathology. Garland Science, Taylor & Francis Group.

European Environment Agency. (2019). Climate change adaptation in the agriculture sector in Europe. Publications Office. https://data.europa.eu/doi/10.2800/537176

Martindale, W. (2014). Global Food Security and Supply. John Wiley & Sons, Ltd. https://doi.org/10.1002/9781118699287

Mira de Orduña, R. (2010). Climate change associated effects on grape and wine quality and production. Food Research International, 43(7), 1844–1855. https://doi.org/10.1016/j.foodres.2010.05.001

Santesteban, L. G. (2019). Precision viticulture and advanced analytics. A short review. Food Chemistry, 279, 58–62. https://doi.org/10.1016/j.foodchem.2018.11.140

Vélez, S., Ariza-Sentís, M., & Valente, J. (2023). Mapping the spatial variability of Botrytis bunch rot risk in vineyards using UAV multispectral imagery. European Journal of Agronomy, 142, 126691. https://doi.org/10.1016/j.eja.2022.126691

Se vuelve imperativo aprovechar las tecnologías modernas en agricultura, incluyendo sensores, satélites, UAVs (vehículos aéreos no tripulados) y UGVs (vehículos terrestres no tripulados), para desarrollar una robótica agrícola avanzada