El egresado del Magíster en Ingeniería Agrícola de la Universidad de Concepción, Alberto Espinoza Salgado, pudo predecir con 6 semanas de anticipación y un margen de error de 9,28%, la producción del cultivo de tomate industrial.

En su tesis de Magíster en Ingeniería Agrícola de la Universidad de Concepción, Alberto Espinoza demostró que es posible estimar con seis semanas de anticipación la producción del cultivo de tomate industrial por medio de una estrategia basada en máquinas de aprendizaje e imágenes capturadas desde el aire por cámaras multiespectrales.

Con las imágenes obtenidas por sensores multiespectrales en una serie de vuelos no tripulados sobre un huerto de 0,4 hectáreas, información que fue ingresada a un modelo matemático entrenado por inteligencia artificial, el egresado del Magíster en Ingeniería Agrícola de la Universidad de Concepción, Alberto Espinoza Salgado, pudo predecir con 6 semanas de anticipación y un margen de error de 9,28%, la producción del cultivo de tomate industrial.

Por medio de una estrategia basada en máquinas de aprendizaje e información capturada desde dos UAV (vehículo aéreo no tripulado) en ocho vuelos realizados entre el 21 de noviembre de 2019 y el 20 de febrero de 2020, sobre un huerto de tomate industrial de Iansa en Parral -con parcelas de 22 variedades con distintas características-, con el algoritmo de Random Forest (RF), entrenado a partir de índices de vegetación y factores de forma, se pudo hacer una estimación temprana de la producción, un dato clave para la industria, según explicó Espinoza, ya que permite tener una adecuada planificación logística y del manejo agronómico.

El estudio “Uso de UAV como herramienta para la estimación temprana de la producción de tomate industrial” fue presentado como tesis para optar al grado de Magíster en Ingeniería Agrícola con mención en mecanización y energía, que imparte la Facultad de Ingeniería Agrícola de la Universidad de Concepción (FIAUdeC), y cuyo profesor guía fue el Dr. Mario Lillo Saavedra.

El Dr. Lillo explicó que “las cámaras multiespectrales operan en distintas bandas. El sensor es una cámara que tiene cuatro lentes, lo que permite capturar la luz en cuatro longitudes de onda distintas, y así observar distintos fenómenos; de esta forma, uno puede caracterizar el comportamiento de la planta desde el punto de vista de la respuesta electromagnética a distintas longitudes de onda”.

“Lo que hicimos fue volar sistemáticamente, desde que se trasplantaron las plantas, cada tres semanas aproximadamente, con este sensor, y empezamos a tener esta base de datos con la evolución de las plantas en el tiempo. Como éste era un ensayo preliminar de Iansa para evaluar estas variedades, ellos después hicieron una cosecha controlada de cada uno de los sitios dentro de esta área de estudio, por lo que sabían perfectamente cuánta era la producción en cada una de estas áreas. Entonces, nosotros correlamos el comportamiento temporal que teníamos de estas imágenes en cada uno de estos sitios con la producción, de tal manera que nos dimos cuenta que había comportamientos de estas imágenes que generaban un resultado en producción, y empezamos a ver que podíamos determinar antes de tiempo cuánto iba a ser la producción, a mitad de temporada”, resumió el académico del Departamento de Mecanización y Energía.

Fue así como se trabajó con la información proporcionada por las imágenes más los datos de los volúmenes de cosecha en cada una de las áreas de estudio, y lo que se hizo fue, mediante el uso de máquinas de aprendizaje (Random Forest), generar un modelo al que, en una siguiente temporada o en una zona distinta, se le pudiesen cargar este tipo de imágenes y sea capaz de estimar la producción solo a partir de las imágenes. Así fue como el modelo se evaluó en otras parcelas, lo que arrojó el margen de error de 9,28%.

Necesidad de la industria

El investigador reconoció que existe una necesidad en general en el agro de poder anticipar volúmenes de cosecha, un tema que resulta crítico en grandes plantaciones. En esa línea, comentó ya se han hecho trabajos de estimación temprana en otros cultivos, como el maíz.

El Dr. Lillo destacó que a nivel internacional existe escasa literatura sobre modelos predictivos en tomates, por lo que enfatizó que esta tesis hace un aporte importante. Lo anterior se explica porque “hay un tema crítico, pues si bien las imágenes tienen altísima resolución, es un problema tratar de aislar la planta respecto de la tierra cuando está recién trasplantada, y luego, a medida que van creciendo, poder aislar entre plantas para poder saber cuáles son las producciones por planta, entonces, en general, los experimentos se hacían en huertos bien controlados, con las plantas bien separadas, para poder aislarlas en el análisis de las imágenes, pero no se había hecho en una línea productiva de verdad”.

Precisamente, Alberto Espinoza argumentó que “la estimación de la producción permite a los agricultores tomar decisiones anticipadas para prevenir problemas futuros en el manejo agronómico del campo, así como en la logística tanto durante, como después de cosecha. En este sentido, la generación de mapas de predicción de producción de los cultivos es una herramienta que permite a los agricultores tomar decisiones para la gestión y planificación de sus cosechas. Si bien se han realizado esfuerzos científicos para determinar la producción a partir de información in situ y remotamente detectada, la mayoría de los estudios se limita a evaluar los datos para fechas específicas antes de cosecha. Esto tiene un impacto directo en la calidad de la estimación, y en la capacidad de anticipación de esta estimación”.

Espinoza contextualizó que, junto con el aumento sistemático de la superficie dedicada al cultivo del tomate, ha habido un constante desarrollo de la investigación asociada a pruebas de nuevas variedades y sus prácticas de manejo. “Además, se han desarrollado investigaciones relacionadas con la estimación de producción para la gestión de los cultivos, ya que esta información resulta ser importante en la toma de mejores decisiones respecto a la aplicación de dosis variables de insumos (agua, fertilizantes y pesticidas), la planificación logística de las operaciones de campo (programación de la cosecha, mano de obra, etc.) y, por último, da soporte a la toma de decisiones posteriores a la cosecha (almacenamiento, manipulación, empaque y la venta anticipada de productos”, detalló en su tesis, que defendió en junio pasado.

El ingeniero agroindustrial destacó, además, que “esta investigación evidenció que es posible la estimación temprana de producción de tomate industrial basados en un área de cosecha y no solo en plantas individuales, evitando así que las plantas de tomates deban estar distantes las unas de las otras para poder realizar la estimación, considerando esto y que la altura de vuelo en esta investigación fue de 42,5 metros, podría ser posible escalar este trabajo desde una pequeña zona de estudio a una plantación real, en términos de densidad de plantación y superficie”.

Brecha digital

Finalmente, el profesor guía destacó “la capacidad que deben tener los estudiantes de adoptar estrategias, metodologías y tecnologías, para abordar los temas de la agricultura actual, sobre todo, herramientas de tecnologías de la información, de tal manera de poder estrechar lo que se conoce como brecha digital y que en el área agrícola es un problema real. Podemos desarrollar muchas herramientas, pero hay una brecha digital muy grande en el usuario final (el agricultor), que yo creo que los estudiantes de nuestra Facultad son los llamados a empezar a cerrar, en el mundo agrícola en particular”.