Los cultivos de raíces como la mandioca, las zanahorias y las patatas son notoriamente buenos a la hora de ocultar enfermedades o deficiencias que podrían afectar a su crecimiento. Si bien las hojas pueden parecer verdes y sanas, los agricultores pueden enfrentarse a desagradables sorpresas cuando van a cosechar sus cultivos.

 

Esto también plantea problemas a los fitomejoradores, que tienen que esperar meses o años antes de saber cómo responden los cultivos a la sequía o a los cambios de temperatura. El desconocimiento de los nutrientes o de las condiciones de crecimiento que el cultivo necesita desde el principio también dificulta la productividad de los cultivos.

 

Un artículo publicado en la revista Plant Methods presenta una nueva investigación que utiliza el aprendizaje automático (un tipo de inteligencia artificial) y que ayuda a predecir el crecimiento y la salud de las raíces con imágenes remotas de la superficie.

 

«Uno de los grandes misterios para los fitomejoradores es si lo que ocurre en la superficie es lo mismo que lo que ocurre en la parte inferior», dijo Michael Selvaraj, coautor de Alliance of Bioversity International y del CIAT.

 

«Eso plantea un gran problema para todos los científicos. Se necesitan muchos datos: el dosel de las plantas, la altura, otras características físicas que requieren mucho tiempo y energía, y múltiples ensayos, para captar lo que realmente está sucediendo bajo tierra y cuán sano está el cultivo», dijo Selvaraj, un fisiólogo de cultivos.

 

Si bien los drones son cada vez más baratos, y el hardware para capturar imágenes físicas a través de las pruebas de cultivo se ha vuelto más sencillo, un gran cuello de botella ha sido el análisis de grandes cantidades de información visual. Y, destilarlas en forma de datos útiles que los especialistas pueden utilizar.

 

 

 

Michael Selvaraj, derecha, se prepara para hacer volar un dron en el campus de Colombia de la Alliance of Bioversity International y el CIAT. (Foto: Neil Palmer / CIAT)

 

Usando imágenes de drones, la plataforma Pheno-i puede ahora fusionar datos de miles de imágenes de alta resolución, analizándolas a través de aprendizaje automático para producir una hoja de cálculo. Esto muestra a los científicos cómo están las plantas respondiendo exactamente a los estímulos en el campo y en tiempo real.

 

Utilizando esta tecnología, los fitomejoradores pueden ahora responder inmediatamente, aplicando fertilizante si un nutriente en particular falta, o agua. Los datos también permiten a los científicos descubrir rápidamente qué cultivos son más resistentes a las perturbaciones climáticas, de modo que pueden aconsejar a los agricultores que cultiven variedades más resistentes a la sequía o al calor.

 

«Estamos ayudando a los fitomejoradores a seleccionar más rápidamente las mejores variedades de cultivos de raíces, para que puedan obtener variedades de mayor rendimiento y más apropiadas para el clima para los agricultores», dijo Gómez Selvaraj. «El dron es sólo el dispositivo de hardware, pero cuando se conecta con esta plataforma de análisis precisa y rápida, podemos proporcionar datos útiles y procesables para acelerar la productividad de los cultivos».