La combinación de drones, sensores remotos e inteligencia artificial comienza a transformar la forma en que se evalúan los cultivos y se seleccionan materiales en los programas de mejoramiento genético. Investigadores del INTA Pergamino desarrollaron modelos capaces de estimar, mediante imágenes aéreas de alta resolución, la fracción de radiación solar interceptada por el maíz, una variable estrechamente vinculada con la producción de biomasa y el rendimiento. Los resultados preliminares, que superaron el 92% de precisión en híbridos comerciales, son presentados en el XIII Congreso Nacional de Maíz y abren una nueva posibilidad para acelerar el fenotipado de los cultivos y generar información objetiva para los programas de mejoramiento.

El trabajo se desarrolla en la Estación Experimental Agropecuaria (EEA) Pergamino del INTA, donde se incorporó un Vehículo Aéreo No Tripulado (VANT) equipado con sensores multiespectrales y térmicos. La iniciativa forma parte del Programa Nacional de Ecofisiología y Agroecosistemas y busca establecer protocolos de procesamiento de información obtenida mediante sensores remotos para asistir de manera directa a los programas de mejoramiento genético de la región.

Del trabajo manual al fenotipado digital

Uno de los principales desafíos de los programas de mejoramiento es evaluar una gran cantidad de parcelas y plantas en períodos relativamente cortos. Tradicionalmente, muchas de estas mediciones se realizan de manera manual. Esto demanda una importante cantidad de horas de trabajo y puede incorporar cierto grado de subjetividad entre los diferentes operadores. Frente a esta situación, los investigadores del INTA avanzan en el desarrollo de herramientas que permitan obtener información de manera objetiva, repetible y a mayor escala. Javier Portillo, investigador de la EEA Pergamino del INTA, explicó que el desarrollo se consolidó a partir de un trabajo conjunto entre las áreas de Sistemas de Información Geográfica (SIG), Ecofisiología de Cultivos, Mejoramiento de Girasol y Mejoramiento de Maíz de la experimental. La experiencia también se extiende a otras estaciones experimentales a través de la Red Nacional de Drones del INTA, lo que permite compartir metodologías y ampliar el alcance de las investigaciones.

Medir desde el aire lo que ocurre en el cultivo

El uso de drones permite obtener imágenes de muy alta resolución durante diferentes momentos del ciclo del cultivo. A partir de esa información, los investigadores pueden analizar características que reflejan la interacción entre el genotipo y el ambiente. En el caso del maíz, uno de los objetivos fue estimar la fracción de radiación solar interceptada por el cultivo. Esta variable resulta relevante porque permite aproximarse a la capacidad de las plantas para captar energía y transformarla en biomasa. Los modelos desarrollados mostraron una precisión superior al 92% en híbridos comerciales, un resultado que, de acuerdo con los investigadores, demuestra el potencial de esta metodología para realizar evaluaciones de manera rápida y a una escala mucho mayor que la que permite el trabajo manual. La posibilidad de obtener este tipo de información durante el ciclo del cultivo también puede ayudar a identificar diferencias entre materiales antes de llegar a la cosecha, acelerando el proceso de selección dentro de los programas de mejoramiento.

Los modelos desarrollados mostraron una precisión superior al 92% en híbridos comerciales, un resultado que, de acuerdo con los investigadores, demuestra el potencial de esta metodología para realizar evaluaciones de manera rápida y a una escala mucho mayor que la que permite el trabajo manual.

La inteligencia artificial amplía la escala

El trabajo del INTA no se limita al maíz. Los investigadores también incorporaron algoritmos de machine learning para procesar las imágenes obtenidas mediante drones en otros cultivos. En girasol, por ejemplo, el equipo combinó información aérea con inteligencia artificial para automatizar la detección de híbridos resistentes a herbicidas comerciales. El objetivo es aumentar considerablemente la cantidad de parcelas que pueden ser evaluadas simultáneamente, reduciendo el tiempo necesario para identificar materiales con determinadas características. La aplicación de estas tecnologías permite pasar de una evaluación basada principalmente en observaciones individuales a un sistema capaz de procesar grandes volúmenes de información obtenida de manera estandarizada.

En girasol, por ejemplo, el equipo combinó información aérea con inteligencia artificial para automatizar la detección de híbridos resistentes a herbicidas comerciales

También avanzan en soja y trigo

La tecnología desarrollada por el equipo de Pergamino también fue aplicada en soja. A través de vuelos programados durante el ciclo del cultivo, los investigadores lograron estimar la evolución de la cobertura foliar y medir la altura de las plantas con un margen de error inferior al 8% respecto de las mediciones manuales. En trigo, en tanto, se inició una nueva línea de investigación enfocada en el uso de índices de vegetación específicos para monitorear la velocidad de secado del grano antes de la cosecha. Esta variable resulta particularmente importante porque puede tener incidencia sobre la calidad del cereal y sobre la definición del momento adecuado para la cosecha.

Una nueva herramienta para el mejoramiento genético

La incorporación de drones y modelos de inteligencia artificial puede modificar de manera significativa los tiempos y la escala con la que se realizan los ensayos de mejoramiento. La posibilidad de realizar mediciones frecuentes desde el aire permite generar series de datos sobre el comportamiento de los cultivos sin necesidad de ingresar permanentemente a las parcelas para realizar mediciones manuales. Además, al tratarse de información obtenida mediante sensores y procesada con algoritmos, se reduce la variabilidad asociada a la observación humana y se facilita la comparación entre materiales y ambientes. Para los programas de mejoramiento genético, esto significa evaluar más parcelas, obtener información más rápido y seleccionar materiales con mayor precisión.

Para los programas de mejoramiento genético, esto significa evaluar más parcelas, obtener información más rápido y seleccionar materiales con mayor precisión.

El desarrollo del INTA Pergamino muestra así cómo la agricultura digital comienza a ocupar un lugar cada vez más relevante en la investigación agronómica. La combinación de sensores multiespectrales y térmicos, drones e inteligencia artificial permite transformar imágenes aéreas en información cuantitativa sobre el comportamiento de los cultivos y, en el caso del maíz, avanzar hacia la posibilidad de anticipar su potencial productivo antes de la cosecha.