Un sistema avanzado basado en drones ofrece, por primera vez, una forma más inteligente de monitorear la salud del sésamo, aprovechando la tecnología de imágenes UAV de vanguardia y la inteligencia artificial para mejorar la precisión de la detección de estrés en los cultivos.
Un equipo de investigadores dirigido por el Dr. Ittai Herrmann en la Universidad Hebrea de Jerusalem, en colaboración con la Universidad Estatal de Virginia, la Universidad de Tokio y el Instituto Volcani, ha aplicado un sistema avanzado basado en drones que detecta con precisión las deficiencias combinadas de nitrógeno y agua en el sésamo cultivado en el campo, allanando el camino para una agricultura más eficiente y sostenible.
El estudio muestra cómo los vehículos aéreos no tripulados (UAV) equipados con sensores hiperespectrales, térmicos y RGB pueden trabajar en conjunto con modelos de inteligencia artificial para diagnosticar escenarios complejos de estrés de cultivos.
Los métodos tradicionales de teledetección a menudo se quedan cortos a la hora de detectar tensiones ambientales combinadas, como la escasez de agua y nutrientes.
Este estudio es uno de los primeros en abordar con éxito este reto en un cultivo indeterminado como el sésamo.
“Al integrar datos de múltiples fuentes de imágenes de UAV y entrenar modelos de aprendizaje profundo para analizarlos, ahora podemos distinguir entre factores de estrés que antes eran difíciles de distinguir”, dijo el Dr. Herrmann. “Esta capacidad es vital para la agricultura de precisión y para adaptarse a los desafíos del cambio climático”.
El enfoque de conjuntos multimodales del equipo mejoró la precisión de la clasificación del estrés combinado de nutrientes y agua de solo el 40-55% con métodos convencionales a un significativo 65-90% con su sistema de aprendizaje profundo desarrollado a medida.
El experimento de campo se llevó a cabo en la Granja Experimental de la Facultad de Agricultura, Alimentacion y Medio Ambiente, en Rehovot.
Las semillas fueron suministradas por el Prof. Zvi Peleg.
Rom Tarshish, un estudiante de maestría en ese momento, cultivó plantas de sésamo bajo diversos tratamientos de riego y nitrógeno y adquirió rasgos de plantas y datos espectrales a nivel de hojas. El Dr. Maitreya Mohan Sahoo analizó las imágenes de los vehículos aéreos no tripulados a través de tuberías de aprendizaje automático para generar mapas del contenido de nitrógeno de las hojas, el contenido de agua y otros rasgos fisiológicos, lo que ayudó a identificar los primeros marcadores de estrés.
El sésamo, un cultivo oleaginoso resistente al clima con una creciente demanda mundial, fue elegido debido a su importancia nutricional y su potencial de expansión a nuevos agroecosistemas. Este nuevo método de teledetección puede permitir a los productores reducir el uso de fertilizantes y agua mientras mantienen el rendimiento, mejorando los resultados económicos y ambientales.
El artículo de investigación titulado “Multimodal ensemble of UAV-borne hyperspectral, thermal, and RGB imagery to identify combined nitrogen and water deficiencies in field-grown sesame”, ya está disponible en ISPRS Journal of Photogrammetry and Remote Sensing.
Investigadores:
Maitreya Mohan Sahoo1, Rom Tarshish1, Yaniv Tubul1, Idan Sabag1, Yaron Gadri1, Gota Morota2,4, Zvi Peleg1, Victor Alchanatis3, Ittai Herrmann1.
Instituciones:
1) Facultad de Agricultura, Alimentacion y Medio Ambiente, Universidad Hebrea de Jerusalem.
2) Universidad de Tokio.
3) Organización de Investigación Agrícola – Instituto Volcani.
4) Escuela de Ciencias Animales, Instituto Politécnico y Universidad Estatal de Virginia.
