Por Victoria Montero, Data Science en Landscape.
Las actividades agrícolas y ganaderas son y serán de vital importancia para la sostenibilidad de la vida humana. A la creciente demanda de alimentos de mejor calidad, en conjunto con un aumento sostenido de la población humana, se suma el cambio climático como factores preponderantes que han cambiado los paradigmas clásicos de producción agrícola.
Hoy, con una pandemia a cuestas, y con la disminución acelerada de la superficie arable, es imperioso sentarse a repensar, redefinir, y por qué no, también soñar, nuevos métodos de producción agrícola que no solo optimicen la calidad y cantidad de los alimentos, sino que también se enfoquen en asegurar una mejor relación con el medio ambiente.
En este contexto, la irrupción de la inteligencia artificial se ha perfilado como un tremendo aliado. La AI (Artificial Intelligence por sus siglas en inglés) corresponde a un campo de investigación que comenzó a desarrollarse hace alrededor de 50 años, cuyos avances y funcionalidades se han extendido a una gran cantidad de industrias, donde la agricultura no es la excepción.
La fusión entre esta tecnología y la agricultura se le conoce como agricultura inteligente o Smart farming, y engloba todas aquellas herramientas tecnológicas que permiten facilitar y automatizar el monitoreo de un cultivo, lo que a largo plazo, se traduce en un ambiente optimizado de producción.
Para explicar el alcance de la agricultura inteligente, es necesario irse a la práctica. En las faenas agrícolas una de las principales problemáticas viene dada por la carencia de personal capacitado para atender las necesidades de los cultivos en toda su extensión. Una de las alternativas que nos ofrece la AI es la incorporación de sensores capaces de medir con gran precisión, todos los parámetros relacionados con el estado de salud de nuestro cultivo.
Las mediciones pueden ser almacenadas en algún servidor en la nube, y monitoreadas en tiempo real. Los algoritmos de machine learning actuales, pueden sacar ventaja de esta información al aprender y comprender patrones en los datos que, a la larga, podrían generar predicciones y sugerencias basados en el comportamiento histórico del cultivo.
Incluso, estos algoritmos permiten analizar datos provenientes de fuentes climatológicas, imágenes satelitales y aéreas al mismo tiempo que, complementados con lo anterior, pueden establecer predicciones sobre la calidad y cantidad de producción.
Toda esta información puede ser desplegada en aplicaciones móviles o servicios web, a través de notificaciones (por ejemplo, en el caso de la identificación de un patógeno o plagas, falta de riego o fertilización, etc.), alertas inteligentes (basadas en detección de anomalías o predicciones de condiciones riesgosas), paneles de monitoreo en tiempo real, asistentes de voz que alerten y también administren tareas específicas del cultivo (por ejemplo, programar el riego a una hora determinada), etc.
Este mismo objetivo se puede cumplir si utilizamos drones o pequeños robots, que entrenados o equipados con algoritmos de AI de identificación de imágenes, pueden vigilar los cultivos y mantener informados a los agricultores acerca del estado de éste.
A pesar de los beneficios, la incorporación de la AI ha sido relativamente lenta, debido principalmente a la falta de conectividad digital. El caso de uso propuesto con anterioridad, solo es posible si existe conexión a la red eléctrica e internet. Si bien esta es una barrera que de a poco se ha ido solventando, aún sigue persistiendo como principal limitación.
Sumado a lo anterior, la reconversión hacia una agricultura basada en datos, requiere que el personal sea capaz de leer, entender y tomar decisiones desde gráficas, estadísticas e información proveniente de soluciones de AI. Sin embargo, la masificación de la tecnología y su adaptación a distintos escenarios, la harán cada vez más accesible.
Por ello, es importante seguir generando redes, foros de discusión, talleres y cualquier instancia que acerque a los principales actores de esta industria. No solo nosotros como consumidores podemos vernos beneficiados, sino también la sociedad en su conjunto, al contar con mejores prácticas, mayor sustentabilidad medioambiental, mayor diversidad y calidad de puestos laborales y la mirada puesta hacia un futuro donde sea posible alimentar a la creciente población humana.
Hablemos contacto@landscape.cl
Referencias:
- Matthew J. Smith, 2020. Getting value from artificial intelligence in agriculture. Animal Production Science, 60, 46–54. https://doi.org/10.1071/AN18522
- Verónica Saiz-Rubio, Francisco Rovira-Más, 2020. From Smart Farming towards Agriculture 5.0: A Review on Crop Data Management. Agronomy, 10, 207. https://doi:10.3390/agronomy10020207
- Konstantinos G. Liakos, Patrizia Busato, Dimitrios Moshou, Simon Pearson, Dionysis Bochtis 2018. Machine Learning in Agriculture: A Review. Sensors. 18, 2674. https://doi:10.3390/s18082674
- Markets and Markets. Artificial Intelligence in Agriculture Market. Artificial Intelligence in Agriculture Market by Technology (Machine Learning, Computer Vision, and Predictive Analytics), Offering (Software, Hardware, AI-as-a-Service, and Services), Application, and Geography - Global Forecast to 2026. Sitio web: https://www.marketsandmarkets.com/Market-Reports/ai-in-agriculture-market-159957009.html
