La investigación pretendía encontrar alternativas de bajo costo para que los pequeños productores accedan fácilmente a los beneficios de estas tecnologías. Foto cortesía Juan Felipe Restrepo Arias.

Ofrecer asistencia técnica de manera oportuna a los campesinos de las zonas rurales más apartadas de Medellín, fue la inspiración de Juan Felipe Restrepo Arias para para la creación de un algoritmo capaz de detectar hasta 10 enfermedades que afectan las hojas de cultivos de tomate, en el marco de su trabajo de grado del Doctorado en Ingeniería de Sistemas de la UNAL Medellín.

A través de un método de clasificación de imágenes basado en inteligencia artificial, integrado a una plataforma de agricultura inteligente, el ingeniero agrícola implementó un sensor con cámara que no requiere el uso de un teléfono celular y opera bajo condiciones limitadas de conectividad y energía, para la detección en tiempo real de estas enfermedades en las plantas. El desarrollo, además, mide variables importantes para el cuidado de los cultivos como la humedad y la temperatura.

Agricultura digital local

Esta solución, que beneficia a los pequeños productores que dependen de asistencia técnica del Estado para el cuidado y sostenimiento de sus cultivos, busca ofrecer de manera rápida y oportuna un acompañamiento constante sin necesidad de desplazamientos hasta el lugar por parte de los profesionales.

“En la agricultura casi todos los datos que se toman son visuales, un campesino tiene que ir día a día a su cultivo para revisar si hay alguna enfermedad, una plaga, si las frutas maduraron, si hay maleza, etc. Los sensores que se usan actualmente son útiles para medir variables comunes y datos fáciles de transmitir, pero la mayoría de estos datos que se recogen no son visuales. Las plataformas de internet de las cosas siempre se han basado en sensores, pero estas o no contemplan la visión o queda limitada. La idea se decantó en ese sentido, en incorporar una herramienta que capturara imagen. Hay muchos problemas de los cultivos que se pueden capturar por imagen, pero elegimos el tema de las enfermedades en las hojas de cultivos de tomate”, señala Juan Felipe Restrepo.

Aunque para el investigador la agricultura inteligente y el internet de las cosas son campos que tienen mucho por dar y explorar aún; la combinación de estas tecnologías, brinda a quienes viven en el área rural la oportunidad de medir diferentes variables y que estas sean transmitidas a los ingenieros agrónomos o agrícolas para su revisión.

“Implementamos un sensor con cámara en un módulo portátil que creamos, y que se instala al interior del invernadero, este no requiere de celular u otros aparatos para operar. El agricultor ubica la hoja enferma, toma la imagen y el algoritmo que está montado sobre un microprocesador de muy baja capacidad de cómputo, la procesa. El algoritmo está basado en la red Mobilenet creada hace años por desarrolladores de Google, a la cual le hicimos adaptaciones. Con base en esta creamos tres redes neuronales y probamos cuál era la red que mejores resultados mostraba para detectar las enfermedades del tomate y que no requería de un alto poder computacional”, enfatiza el magíster en Ingeniera Administrativa.

De acuerdo con el egresado de la UNAL, cuando inició su Doctorado trabajaba en la Secretaría de Desarrollo Rural de la Alcaldía de Medellín, allí evidenció las necesidades de acompañamiento que tenían los cerca de 1.300 campesinos y pequeños productores a los que debía asesorar “Una de mis funciones era prestar asistencia técnica a los campesinos de corregimientos como San Cristóbal, Palmitas, Santa Elena, San Antonio de Prado, entre otros. Teníamos muchos limitantes para visitar los cultivos. Medellín tiene áreas rurales muy apartadas y de difícil acceso, además éramos muy pocos profesionales para atenderlos”.

Efectividad y futuro de la detección

Juan Felipe explica que todos los algoritmos de inteligencia artificial basados en redes neuronales normalmente tienen un porcentaje de error, “la idea es que no sea muy alto ese margen de error, como con cualquier inteligencia normal, un ser humano también se equivoca a veces reconocimiento un rostro, un lugar o un objeto por distintos factores. Ni el ser humano es 100% efectivo al hacer un reconocimiento por visión, lo mismo pasa con los algoritmos basados en visión por computador, alcanzamos precisión del 92%”.

Este desarrollo además está acompañado por sensores tradicionales de una plataforma de internet de las cosas, que permite la recolección de datos útiles para el cuidado del cultivo como la temperatura, la humedad del aire, la conductividad eléctrica del suelo, el CO2, entre otras.

Según el ingeniero, esta información servirá, además, para la recolección de información durante un año o año medio, que, posteriormente permita a otros investigadores entrenar algoritmos nuevos para la predicción de estas y otras enfermedades en lugar de la detección.

Además de ser útil actualmente para detectar enfermedades, incluso plagas, el algoritmo está en capacidad de ser entrenado para contar frutos, identificar deficiencias nutricionales y otros problemas que se detectan de manera visual y que pueden ser incorporados en este tipo de plataformas.

“El objetivo final es poder predecir antes de que aparezca la enfermedad, pero para poder hacerlo tenemos que identificar cuando aparece. Una vez recolectada esta información, otros podrán predecir con un porcentaje de certeza más alto antes de que aparezcan otras enfermedades, en lugar de detectarlas”, explica Restrepo Arias.

Actualmente esta plataforma es usada para la detección de enfermedades de la hoja, en dos cultivos de tomate ubicados en el corregimiento de San Cristóbal en Medellín.

La investigación Método de Clasificación de Imágenes, Empleando Técnicas de Inteligencia Artificial, Integrado a una Plataforma IoT de Agricultura Inteligente, explica las técnicas de Agricultura Inteligente basadas en internet de las cosas, cuyas aplicaciones principales son los sistemas de monitoreo y control, los sistemas de irrigación automática y los sistemas para el monitoreo de plagas y enfermedades.

Lo anterior, abarca la detección de problemas fitosanitarios; detección de enfermedades; detección de plagas; detección de malezas; desarrollo y vigor de cultivos; monitoreo del crecimiento; plataformas de monitoreo en general; clasificación de suelos; gestión de sistemas de riego y protección de cultivos; detección de intrusos en cultivos, y el conteo de frutos y plantas.

(FIN/JRDP)

26 de junio de 2023