AGRICULTURA DIGITAL 65 Las malas hierbas son plantas no deseadas e invasivas de crecimiento rápido que compiten con los cultivos por recursos vitales como agua, nutrientes, espacio y luz. Las malas hierbas tienen un impacto significativo tanto en la producción como en la calidad del cultivo. Se estima que el rendimiento potencial de los cultivos a nivel mundial podría reducirse hasta un 43% en ausencia de un control efectivo de las malas hierbas, por lo que realizar una gestión integrada de las malas hierbas se convierte en un componente esencial en la planificación de los cultivos. Actualmente, el método de control mas utilizado es la aplicación de herbicidas de principio químico, seguido del control mecánico utilizado en menor medida. También se realiza de manera manual siendo un método económicamente costoso. Los herbicidas se aplican en diferentes etapas, principalmente antes de la siembra y durante el crecimiento del cultivo. Estas aplicaciones generalmente se hacen a través de una pulverización homogénea del herbicida, es decir, se aplica en toda el área cultivada. Sin embargo, las malas hierbas no suelen emerger de manera uniforme en el campo, lo que indica que una aplicación uniforme sobre toda el área del cultivo no es adecuada. La aplicación de herbicidas a través de pulverización genera problemas medioambientales, aunque existan políticas de la UE que controlen y regulen la aplicación de éstos, no dejan de presentarse inconvenientes para la salud de las personas que trabajan en estas labores, además de la resistencia generada a los herbicidas químicos causada por el uso intensivo durante décadas. Los sistemas actuales de escarda integran diferentes tecnologías, por ejemplo, utilizan sistemas de posicionamiento global (GPS), sensores ópticos y algoritmos computacionales que integrados en un solo conjunto permiten realizar una escarda de precisión, aplicando herbicidas de forma variable, entregando una cantidad especifica en el lugar exacto donde se encuentra la maleza, además de crear mapas detallados de la variabilidad del campo. Desde hace algunos años se encuentran comercialmente desarrollos que utilizan métodos de aplicación de herbicidas de tasa variable, como 'Blue River Technology' de John Deere, 'WeedSeeker' de Trimble o Bosch 'Smart Agriculture', entre otros. Estos desarrollos usan algoritmos basados en visión artificial e inteligencia artificial (IA) para reconocer las malas hierbas en campo en tiempo real. Una técnica reciente de escarda de precisión es la eliminación de las malas hierbas mediante Láser. La empresa Carbon Robotics ha desarrollado el sistema 'LaserWeeding', el cual emplea IA para identificar las malas hierbas y las elimina utilizando un Láser de alta potencia, quemándolas en tiempo real. Este desarrollo es altamente eficiente en la identificación de las malas hierbas, además de reducir significativamente los impactos ambientales. Por lo tanto, los investigadores del sector agrícola se enfocan en adoptar y mejorar las diferentes tecnologías que integran la escarda de precisión, con el fin de aumentar la eficiencia de las aplicaciones. Por ejemplo, para mejorar la precisión de la detección de las malas hierbas se utilizan arquitecturas de Redes Neuronales Convolucionales o, en inglés, Convolutional Neural Networks (CNNs). Estas son una aplicación destacada del Deep Learning, una rama de la IA que busca imitar la capacidad del cerebro humano para aprender y procesar datos, especialmente en tareas relacionadas con el procesamiento de imágenes y reconocimiento visual. La aplicación de las CNNs para la identificación de malas hierbas se ha incrementado en los últimos años. Los investigadores aplican distintas CNNs, entre las cuales encontramos a YOLO (You Only Look Once), VGG (Visual Geometry Group), ResNet (Redes Residuales), GoogLeNet (Inception) y MobileNet, entre otras. Estas CNNs destacan por su eficiencia para identificar de manera rápida y precisa la presencia de malas hierbas en diferentes cultivos. Su capacidad para procesar imágenes en tiempo real, clasificar objetos y extraer características relevantes a diferentes escalas Las CNN son una aplicación destacada del Deep Learning, una rama de la IA que busca imitar la capacidad del cerebro humano para aprender y procesar datos, especialmente en tareas relacionadas con el procesamiento de imágenes y reconocimiento visual.
RkJQdWJsaXNoZXIy Njg1MjYx