En los ensayos demostrativos del proyecto se ha logrado un ahorro de agua de riego superior a 800 m³/ha y un 18% en fertilizantes

El objetivo general del proyecto es la optimización del uso de insumos en el cultivo de tomate de industria, mejora de la calidad y facilitar la gestión integral del ciclo de cultivo mediante una plataforma que dé soporte a la decisión en los procesos clave, permitiendo obtener información a tiempo real de procesos críticos: estado nutricional, riego, potencial productivo o estado de maduración.

Los Grupos Operativos son elementos clave en el desarrollo de la Asociación Europea para la Innovación, en materia de agricultura productiva y sostenible. Son agrupaciones de actores de distintos perfiles del ámbito agroalimentario y/o forestal, que se asocian para conseguir una innovación, al objeto de resolver un problema o aprovechar una oportunidad, con el enfoque de acción conjunta y multisectorial.

Es en este marco en el que el Grupo Operativo Suprautonómico SMARTOM ha trabajado en un proyecto innovador para el desarrollo de una Plataforma para la gestión integral del cultivo del tomate, cofinanciado al 80% por el Fondo Europeo Agrícola de Desarrollo Rural (FEADER).

Este proyecto se ha llevado a cabo por varias entidades de tres comunidades autónomas. Ha estado coordinado por el Centro Tecnológico Nacional Agroalimentario (CTAEX) y en él han participado Soltel IT Solutions como representante de la agrupación, la cooperativa extremeña ACOPAEX, Ambling Ingeniería y Servicios, el Instituto Tecnológico de Galicia y Cartogalicia.

El objetivo general del proyecto es la optimización del uso de insumos en el cultivo de tomate de industria, mejora de la calidad y facilitar la gestión integral del ciclo de cultivo mediante una plataforma que dé soporte a la decisión en los procesos clave, permitiendo obtener información a tiempo real de procesos críticos: estado nutricional, riego, potencial productivo o estado de maduración. Para ello, se ha llevado a cabo la integración de tecnologías de teledetección de alta resolución para monitorización de cultivos basadas principalmente en el control de suelo y cultivo a partir de sensorización y sistemas de adquisición de imágenes.

Por un lado se ha instalado una red de sensores de diferente índole, tanto capacitivos como de matriz granular, que miden a tiempo real diferentes parámetros como humedad de suelo, temperatura, conductividad eléctrica y parámetros agroclimáticos registrados con una estación portátil. Los datos obtenidos se envían por GPRS a tiempo real. Esta información, combinada con los datos obtenidos a partir del análisis de imágenes de alta resolución obtenidas con cámara hiperespectral a pie de campo y con vuelos de vehículos aéreos no tripulados, ha permitido el control del riego en una parcela piloto optimizando los aportes de agua. Para el vuelo de los drones se ha desarrollado en el proyecto un hangar autónomo donde aterriza y despega el vehículo además de realizar la descarga de datos y carga de baterías.

Vuelo de dron en parcela piloto.

Por otro lado se ha utilizado tecnología hiperespectral para la monitorización directa de planta y suelo, a partir de la captura de imágenes y del desarrollo de un modelo matemático calibrado y entrenado con muestras analizadas en laboratorio y las imágenes tomadas durante dos campañas. Las imágenes hiperespectrales se adquirieron con una cámara hiperespectral Specim IQ (Oulu, Finlandia), con generación de hipercubos con resolución espacial de 512 píxeles. La resolución espectral ha sido de 204 bandas distribuidas a intervalos equidistantes entre 400 y 1000 nm. La cámara también tiene capacidad para el registro de las coordenadas GPS de cada captura y éstas se almacenaron con los metadatos de cada hipercubo. Dentro de cada sesión, se tomó una imagen con un objetivo de referencia hecho de teflón y suministrado por el fabricante. Este blanco permitía a la cámara registrar el espectro de cada punto en unidades de reflectancia relativa. El resto de las condiciones de captura (distancia de adquisición, geometría de medición, tiempo de exposición...) se fijaron para asegurar la repetibilidad entre las diferentes sesiones de captura. Estas sesiones desde mayo a agosto en dos campañas consecutivas y se realizaron en dos parcelas piloto con dos localizaciones diferentes, tomándose imágenes de suelo y planta tanto para el análisis de hoja como de fruto para su análisis en laboratorio por métodos de referencia. Todo el algoritmo de apertura de hipercubos, segmentación, tratamiento espectral, creación de los modelos de aprendizaje y exportación de resultados se programó bajo MATLAB R2018a (The MathWorks, USA).

A continuación, se estableció un criterio de segmentación para diferenciar los distintos elementos presentes en la imagen. En escenas sencillas, como las de las imágenes adquiridas en el laboratorio, se suelen seleccionar una o dos longitudes de onda y se establecen los límites del umbral. Sin embargo, en entornos reales, como en este caso, los objetos a identificar pueden estar parcialmente ocultos, la iluminación no es consistente y pueden aparecer otros elementos. Se aplicó un análisis discriminante lineal por pasos (FS-LDA), se comprobó su idoneidad y se implementó en el algoritmo de procesamiento. La metodología desarrollada no sólo diferenció los elementos de la imagen, sino que también identificó con éxito el estado de maduración de los tomates (Figura 2).

Con estos resultados se puede concluir que, a partir de una imagen tomada en campo y cargada en la plataforma, rápidamente se puede conocer el estado del cultivo desde el suelo hasta el fruto, teniendo el control de los procesos clave para garantizar la calidad y productividad. Toda la información se procesa a partir de algoritmos específicos desarrollados en el proyecto y se muestra en cuadros de mando donde se puede consultar de un vistazo el estado de cada parcela en cuanto a humedad, concentración de nutrientes, maduración y producción prevista, para ayudar en la toma de decisiones de manejo y logística de cosecha (Imagen: 'Cuadros de mando').

Como resumen, los trabajos realizados con la integración de diferentes tecnologías en la plataforma SMARTOM, se puede conseguir una mejora en la gestión de las explotaciones a partir de la obtención de información a tiempo real sobre parámetros clave en el cultivo como la fertilización, riego o maduración. Toda la información se procesa automáticamente de forma que el usuario recibe el resultado de manera visual y sencilla sin necesidad de tener que interpretar los datos o las imágenes obtenidas.

En los ensayos demostrativos del proyecto se ha logrado un ahorro de agua de riego superior a 800 m³/ha y un 18% en fertilizantes. Además, a partir del análisis de las imágenes se puede conocer la estimación de producción en kg/ha de forma predictiva y el porcentaje de fruto rojo/verde en cada momento del ciclo de cultivo.