Proyecto NaLamKI: Inteligencia Artificial para la agricultura sostenible

Milthon Lujan Monja

Updated on:

El proyecto NaLamki busca emplear la inteligencia artificial para ayudar a los agricultores en la gestión de sus granjas.

Recolección automatizada de datos en un huerto de manzanas en la región Palatinate de Alemania. © Robot Makers GmbH

Las condiciones climáticas cambiantes, la escasez de trabajadores calificados, el uso de plaguicidas, entre otros factores, tienen un impacto en la calidad y el flujo de los procesos agrícolas.

Los productores agrícolas ya están sintiendo los efectos de largo alcance del cambio climático y tendrán que adaptarse en mayor medida en el futuro.

El aumento de las temperaturas y los cambios en las precipitaciones afectan todas las variables agrícolas, desde el crecimiento de los cultivos a la rotación de los cultivos, hasta la labranza.

Los investigadores del Fraunhofer Institute for Telecommunications, Heinrich Hertz Institute (HHI) tienen como objetivo hacer esto más eficiente y sostenible por medio de tecnologías en la nube y la Inteligencia Artificial (IA).

La inteligencia artificial descentralizada en la nube, así como la IA centralizada en las granjas agrícolas puede ayudar a que este proceso de adaptación a las condiciones cambiantes sea más eficiente, acelerando el proceso en todas las áreas de la agricultura y, por lo tanto, hacer que el ecosistema en general sea más ágil y preparado para el futuro.

Proyecto NaLamKI

El proyecto NaLamKI, agricultura sostenible usando inteligencia artificial, se viene ejecutando desde enero del 2021 y se ejecutará hasta diciembre de 2023; cuenta con un financiamiento de EUR 9.8 millones otorgado por el German Federal Ministry for Economic Affairs and Energy (BMWi).

Como parte del proyecto “NaLamKI”, los investigadores de HHI están trabajando con socios para establecer una plataforma de software como servicio (SaaS) que recopila datos de dispositivos y máquinas para formar una base de datos para pronósticos y ayuda para la toma de decisiones.

El SaaS del proyecto NaLamKI contará con interfaces abiertas para proveedores de la agricultura y la industria, así como proveedores de servicios de aplicaciones para los cultivos agrícolas.

Al agregar datos de sensores y máquinas recopilados mediante satélites y drones, sensores de suelo, robótica, recopilación manual de datos y datos de inventario, es posible crear un conjunto de datos a partir del cual los procesos agrícolas se pueden optimizar de manera más sostenibles utilizando métodos avanzados de inteligencia artificial.

Las aplicaciones de inteligencia artificial implementadas en la plataforma SaaS ayudan a los agricultura a analizar las condiciones de los cultivos y el suelo en grandes áreas de terrenos y ayudan con la reorganización de los nutrientes y los procesos de protección de cultivos, como el riego, la fertilización y el control de plagas para garantizar un rendimiento suficiente de los cultivos tanto en términos de calidad y cantidad para reducir las emisiones y para preservar la biodiversidad.

Por ejemplo, el uso específico de productos fitosanitarios aumenta el rendimiento de los cultivos, reduce los costos, conserva los recursos y protege activamente el ambiente.

Agricultores interactuarán con la inteligencia artificial

“Además del cambio climático, la escasez de mano de obra calificada también está afectando la calidad y el flujo de los procesos agrícolas. Por lo tanto, a menudo ocurre que las condiciones de las plantas solo pueden evaluarse de forma muy selectiva. En la actualidad, no es posible detectar y determinar con precisión las condiciones de agua en el suelo o la infestación de plagas, por ejemplo, en grandes áreas agrícolas”, dijo el Dr. Sebastian Bosse, jefe de Interactive & Cognitive Systems Group en Fraunhofer HHI.

Para abordar esto, como parte del proyecto del instituto se están desarrollando métodos de inteligencia artificial para analizar datos de teledetección para modelar procesos agrícolas y para redes 5G en las tierras de cultivo.

“Entre otras cosas, estamos estudiando el análisis de imágenes de datos de cámaras robóticas, satélites y drones, y hacer que los resultados sean significativos para los agricultores”, dijo el investigador.

Al fusionar todos los datos, los productores agrícolas obtendrán una idea de las características de las áreas cultivadas que antes eran prácticamente inexistentes.

Los agricultores serán capaces de interactuar con la inteligencia artificial y podrán hacer preguntas. Por ejemplo, basado en la lectura de la humedad del suelo y las enfermedades de los cultivos, la IA podrá proporcionar instrucciones para la acción y mostrar los efectos de diferentes escenarios.

Para ser más precisos, un tablero que muestra el área de las tierras de cultivo y las condiciones actuales del suelo se mostrará en una tablet. Al hacer clic en áreas específicas, el agricultor recibirá información sobre problemas como niveles bajos de agua, así como recomendaciones sobre la mejor manera de abordarlos.

Plataforma SaaS basada en GAIA-X

Los datos y servicios de inteligencia artificial proveerán una forma descentralizada de usar GAIA-X, una infraestructura de nube europea con soberanía de datos.

Además, los investigadores establecerán un sistema de inteligencia artificial descentralizado y de aprendizaje distribuido, con datos almacenados localmente en las granjas.

Los agricultores serán capaces de compartir los modelos de inteligencia artificial y transferirlos a la plataforma NaLamKI para mejorar continuamente los algoritmos. La plataforma estará abierta a proveedores externos.

Por ejemplo, las empresas emergentes podrían ofrecer sus innovadoras soluciones de inteligencia artificial en la plataforma.

Inspección de los huertos

La recopilación inicial de datos para el proceso de desarrollo del modelo de inteligencia artificial ya se ha completado. De hecho, ahora están disponibles imágenes tomadas por tecnologías innovadoras como un robot de un cultivo de manzanas en una granja de frutas en la región Palatinate de Alemania.

Para ello, se recopilaron, analizaron y fusionaron datos de varios sensores, como sensores de posición, LIDAR, RGB y cámaras multiespectrales (fusión de sensores) mientras el robot semi-autónomo pasaba por la plantación.

El objetivo es crear una representación significativa de los árboles en un huerto para poder determinar el recuento de frutos y el grado de madurez, el diámetro del tallo, el estado de los cultivos individuales y el suelo circundante. También se incluye la detección de impedimentos, en particular criaturas vivientes en vegetación alta, a lo largo de la ruta recorrida.

“Evaluamos los datos a medida que avanzamos por la plantación. La información que recopilamos se fusiona con el mapa de la población de árboles frutales y se muestra en un mapa de la propiedad. La documentación se crea para el agricultor en base a estos datos”, dijo el Dr. Bosse, explicando la aplicación específica.

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.