Protección digital de cultivos contra enfermedades y plantas plagas

Las enfermedades de los cultivos amenazan los rendimientos en el campo. Las plagas y las malas hierbas parásitas causan grandes pérdidas de cultivos de hasta un 30 por ciento cada año.

En el proyecto FarmerSpace, el Instituto Fraunhofer de Optrónica, Tecnologías de Sistemas y Explotación de Imágenes IOSB en Ilmenau está trabajando junto con socios para investigar el uso de tecnologías digitales para la protección de cultivos. El objetivo es detectar enfermedades de las hojas y la propagación de malezas en una etapa temprana e iniciar medidas de protección específicas utilizando sensores, robótica y soluciones basadas en datos.

La protección selectiva de cultivos es fundamental en la agricultura. Asegura que las plantas estén protegidas de enfermedades, plagas y malezas. Un suministro saludable de nutrientes para el trigo, el maíz y similares influye en la calidad de los alimentos y evita la pérdida de cosechas. En el campo experimental digital de FarmerSpace, los socios del proyecto están explorando el potencial de las tecnologías digitales para detectar enfermedades de los cultivos en el momento y lugar adecuados en el campo. La plataforma para experimentos prácticos ofrece a los jugadores de la investigación, la práctica y la industria la oportunidad de probar sensores y sistemas de transmisión de datos, redes de sensores de radio, sensores ópticos y compatibles con máquinas, tecnología de drones, robótica y métodos de aprendizaje automático en la lucha contra los parásitos de los cultivos. El proyecto está siendo llevado a cabo por cuatro socios: la rama del instituto Applied Systems Technology AST de Fraunhofer IOSB-AST, el Instituto de Investigación de la Remolacha Azucarera de la Universidad de Göttingen, la Sección de Ingeniería Agrícola de la Universidad de Göttingen y la Cámara de Baja Sajonia. de Agricultura. El Ministerio Federal de Alimentación y Agricultura de Alemania BMEL está financiando el proyecto, que se desarrollará desde febrero de 2020 hasta febrero de 2023. La atención se centra en la detección temprana y el control de malezas y enfermedades de las hojas en la remolacha azucarera y el trigo de primavera, que se sembraron específicamente con fines de investigación en un campo de prueba cerca de Gotinga. Mientras que el manejo de malezas es el foco en la primavera, el trabajo en el verano se concentra en las enfermedades de las hojas.

Encuesta digital del campo

Como primer paso, el equipo de investigación de Fraunhofer IOSB-AST creó un modelo 3D del campo, que sirve como modelo de referencia para los socios del proyecto. La superficie del campo experimental de cinco hectáreas se examinó utilizando un escáner láser y un sistema de posicionamiento GPS. Esto tomó dos días, mientras que la encuesta con tecnología de drones tomó solo 20 minutos. «Sin embargo, el factor tiempo por sí solo no es decisivo. En primer lugar, queremos averiguar qué método proporciona datos geográficos más precisos. Para este propósito, también utilizamos grabaciones de cámara de robots conduciendo sobre el campo. La evaluación de los resultados, sin embargo, es todavía no está disponible «, explica André Weiskopf, científico de Fraunhofer IOSB-AST. La evaluación tiene como objetivo proporcionar información no solo sobre la precisión, sino también sobre criterios prácticos como el tiempo de medición, procesamiento y evaluación,

Derivación 2D de la nube de puntos del campo del escáner láser. Crédito: Fraunhofer IOSB-AST

El objetivo de la topografía digital de un campo es, por un lado, obtener información más precisa sobre la densidad del rodal de cultivo. Por otro lado, es importante averiguar cuándo y dónde una enfermedad infecta el cultivo a través de virus, hongos, pulgones u otras plagas, y qué medida puede utilizar mejor el agricultor para controlarla. La clave, entonces, es aplicar medidas de protección de cultivos específicas en el momento adecuado y limitarlas localmente al área del campo donde se necesitan. Esto puede ayudar a reducir el uso de productos fitosanitarios, reduciendo así los costos y el tiempo. «Por ejemplo, si el gorgojo solo ataca diez metros cuadrados de todo el campo, el agricultor puede ignorar el área restante. De esta manera, el agua subterránea está menos contaminada», continúa Weiskopf. La Ordenanza de Protección del Agua de Bremen estipula que deben mantenerse distancias mínimas de los cuerpos de agua que fluyen. Los agricultores no pueden rociar pesticidas en todas partes. «El ángulo del terreno es un parámetro importante relacionado con esto», explica Norbert Fränzel, un colega de Weiskopf en Fraunhofer IOSB-AST. «Los mapas de terreno anteriores no proporcionan valores tan precisos a este respecto. Esperamos obtener datos y modelos de terreno más precisos mediante la digitalización del campo».

Los sensores instalados en el campo también podrían ayudar a realizar predicciones precisas con respecto a la infestación de plagas, detectar cambios en el tiempo y así permitir una intervención temprana. Los sensores de microclima registran la temperatura y la humedad del suelo y brindan información sobre las condiciones de infección de enfermedades.

Comparación de métodos para el modelado digital del terreno proporciona apoyo a las decisiones de los agricultores en la compra de nuevas tecnologías y la selección de los servicios. Fraunhofer IOSB-AST, por ejemplo, está investigando una amplia variedad de tecnología de radio y sensores de radio para determinar su idoneidad para un uso económico y está acompañando el proyecto con su experiencia en este campo de aplicación. «Derivamos una recomendación de acción en cuanto a qué tecnología es adecuada para qué problema e informamos al agricultor sobre el tipo y número de sensores y mediciones requeridos», dice Fränzel.

Además, los métodos de aprendizaje automático crean el requisito previo para evaluar la variedad de datos recopilados. En una sala de datos común, todos los datos relevantes para el campo deben registrarse sincrónicamente en términos de tiempo y espacio, de modo que posteriormente se puedan entrenar modelos que proporcionen pronósticos para las acciones adicionales requeridas.