DOSIER CÍTRICOS II, nos hemos propuesto llevar estos avances un paso más allá, facilitando la identificación precoz de patógenos y estrés en cultivos agrícolas. Este proyecto busca establecer un servicio vinculado a las cooperativas agroalimentarias de cítricos líderes en la provincia de Sevilla, con el fin de reforzar la protección vegetal en cítricos mediante la tecnología de precisión. Los drones pueden volar sobre las superficies agrícolas y recopilar información detallada sobre el estado de los cultivos de manera rápida y eficiente. Equipados con cámaras multiespectrales, los drones pueden capturar información invisible al ojo humano, lo que permite detectar problemas de potenciales patologías en los cultivos sin la necesidad de detectar síntomas visuales (Deng et al., 2018). Esta capacidad de monitoreo remoto en tiempo real hace que los drones sean una herramienta poderosa para los agricultores, permitiéndoles tomar decisiones informadas y rápidas para proteger sus cultivos. Pero el verdadero avance llega con la inteligencia artificial (IA), y en particular el aprendizaje profundo o deep learning (DL). Términos acuñados en la década de los 50 y de los 80 respectivamente, y con avances significativos a partir de la década de los 2000 (McCarthy et al., 2006; Hinton et al., 2006; LeCun et al., 2015). El aumento en la capacidad de cómputo, especialmente con el desarrollo de unidades de procesamiento gráfico (GPU) y de unidades de procesamiento tensorial (TPU), ha permitido el desarrollo de nuevos algoritmos de IA y técnicas de DL que han mejorado la capacidad de aprendizaje de las computadoras, lo que ha favorecido la adopción de esta tecnología en diversos ámbitos como la salud, las finanzas, el comercio electrónico, o la educación, entre muchos otros. En el sector agrícola, está revolucionando la forma en que se monitorizan y gestionan los cultivos, permitiendo el análisis y procesamiento de grandes cantidades de datos de manera rápida y eficiente, siendo un apoyo esencial en la toma de decisiones. Entre las aplicaciones más interesantes de IA en el sector agrícola se incluyen la optimización del riego y la fertilización, pues tiene la capacidad de analizar grandes cantidades de datos procedentes de diversas fuentes y ofrecer recomendaciones de estrategias de riego y fertilización (Talaviya et al., 2020). Igualmente, estas técnicas permiten la predicción del rendimiento y de la calidad de los cultivos, mejorando la planificación de las operaciones en campo (Apolo-Apolo et al., 2020). O la detección y detección temprana de patógenos y estreses en los cultivos. Haciendo uso de imágenes en RGB o imágenes multiespectrales, y/o de datos procedentes de sensores, la Figura 1. Flujo de trabajo del algoritmo. Imagen de entrada al modelo (A), salida del modelo con las detecciones (B) y detalle de las detecciones (C). Nótese como se muestra el valor de la probabilidad y cómo que algunas naranjas no son detectadas por presentar un alto grado de oclusión por otros frutos. 27
RkJQdWJsaXNoZXIy Njg1MjYx