Con inteligencia artificial, el sistema identifica malezas en tiempo real y decide dónde hacer las pulverizaciones, con un ahorro de 73% en el uso de insumos.
Para continuar, suscribite a Crea. Si ya sos un usuario suscripto, iniciá sesión.
SUSCRIBITELa inteligencia artificial, combinada con cámaras de alta resolución, está permitiendo avanzar en el control de malezas mediante aplicaciones más precisas de herbicidas, con beneficios para los cultivos, el ambiente. Las experiencias a campo muestran un ahorro considerable en el uso de insumos.
En una reciente Jornada de Actualización Técnica de Cultivos de Gruesa, organizada por la región CREA Mar y Sierras, la empresa DeepAgro presentó su tecnología de aplicación selectiva de herbicidas, que detecta malezas en tiempo real y pulveriza solo donde es necesario.
La firma comenzó a trabajar en 2018 con inteligencia artificial aplicada al control de malezas. Según Marcos Mammarella, cofundador de DeepAgro, aunque las malezas ocupan menos del 30% del lote, la mayoría de las aplicaciones de herbicidas todavía cubre toda la superficie. “Ahí existía una oportunidad de hacer ese proceso más eficiente”, señaló. A esto se suma el avance de las resistencias a distintos principios activos.
A partir de ese diagnóstico, la empresa desarrolló un sistema de cámaras que procesa imágenes mediante inteligencia artificial e identifica dónde están las malezas para aplicar herbicidas solamente en esos sectores. La tecnología puede utilizarse tanto en barbecho como dentro del cultivo, desde cotiledón hasta el cierre de surco.
La pulverización selectiva permite reducir el uso de herbicidas y los costos del tratamiento. También disminuye la carga química total sobre el lote y el riesgo de fitotoxicidad. “Se reduce indirectamente toda la operación logística de disponer los productos, desde el proveedor hasta el campo”, agregó.
El sistema, denominado SprAI, fue lanzado comercialmente en 2022 y ya está instalado en más de 115 pulverizadoras de Argentina, Brasil, Uruguay y Estados Unidos. Las métricas reportadas por los equipos muestran más de 1,17 millones de hectáreas recorridas y un ahorro del 73% en herbicidas. Según Mammarella, eso equivale a más de 800.000 hectáreas que no recibieron aplicaciones.
Soja y maíz fueron los primeros cultivos desarrollados y validados. “Estamos agregando, a medida que vamos entrenando la tecnología, nuevos cultivos como algodón, maní, caña de azúcar y trigo”, adelantó.
Las cámaras trabajan sobre el botalón de la pulverizadora y detectan las malezas en tiempo real. Cuando el sistema identifica una planta, la señala en la pantalla y activa únicamente el pico correspondiente. “Si pasa una maleza en el borde derecho, va a abrir solo el pico cinco”, explicó.
Los módulos se distribuyen cada 2 metros a lo largo del botalón e integran una cámara RGB de alta resolución, una microcomputadora y el software de inteligencia artificial. En una configuración de 18 cámaras, cada una controla cinco picos que pueden abrirse de manera independiente. El procesamiento se realiza “en tiempo real, sin internet, en el medio del campo”, destacó. Las imágenes se almacenan y luego se envían a la nube.
Para reconocer las malezas, el algoritmo analiza tres características: morfología, contexto y color. La primera considera la forma de las plantas; la segunda aprovecha patrones como la disposición del cultivo en surcos. “El tercero de los parámetros es el color. Está tomando información del color de las plantas”, detalló.
Una de las configuraciones disponibles incorpora un doble tanque y una línea adicional de pulverización. De esa manera, la máquina puede destinar el tanque principal a una aplicación de cobertura total —por ejemplo, de productos residuales, insecticidas o fungicidas— y utilizar otro circuito para realizar, en la misma pasada, el tratamiento selectivo.
“Literalmente son dos pulverizadoras sobre las mismas cuatro ruedas”, resumió. Esa mayor capacidad operativa también exige más al equipo, por la toma hidráulica adicional, el mayor peso sobre el botalón y el funcionamiento simultáneo de ambos circuitos. El sistema es modular y puede instalarse sobre diferentes modelos de pulverizadoras y materiales de botalón.
El operador controla el equipo desde una pantalla en la cabina, donde puede seleccionar el cultivo, configurar la sensibilidad de detección y activar, entre otras funciones, el modo nocturno. El diseño está pensado para que “se reduzcan al máximo posible los errores humanos” y la computadora realice los controles que puedan automatizarse.
Uno de los escenarios más exigentes para la detección es una soja avanzada con presencia de yuyo colorado, una maleza difícil de distinguir por su similitud morfológica con el cultivo. Gracias al entrenamiento de los algoritmos, el sistema puede identificarla incluso en esas condiciones, algo que el empresario consideró “prácticamente imposible para el ojo humano”.
La pulverización selectiva también obliga a revisar los criterios habituales de calidad. “Hay que pensarla con un enfoque distinto, desde la física de la aplicación hasta cómo hacemos el monitoreo”, señaló. Entre los aspectos que cobran mayor importancia aparecen la elección de las boquillas y la distribución de los abanicos.
En un tratamiento convencional, los abanicos se superponen para asegurar una cobertura uniforme. En el selectivo, en cambio, cada pico trabaja de manera independiente y solo hay superposición cuando se activan dos consecutivos. Esto modifica tanto la distribución como el tipo de boquilla necesaria.
En las aplicaciones convencionales, las boquillas “generalmente están en los 110 grados de apertura y con una distribución tipo campana, donde tiran más gotas en el medio y menos en la punta”, describió. Para la pulverización selectiva, SprAI utiliza pastillas de abanico plano uniforme, diseñadas para distribuir el mismo caudal a lo largo de todo el ancho.
El trabajo nocturno cobra mayor importancia a medida que el sistema avanza hacia regiones más cálidas y cultivos de mayor porte. En soja, por ejemplo, cuando las plantas alcanzan cerca de un metro de altura también suelen registrarse temperaturas elevadas. “Eso hace que el trabajo nocturno sea fundamental”, explicó Mammarella.
De noche, el equipo mantiene la capacidad de detectar malezas incluso dentro de un cultivo desarrollado. Cuando la similitud de color con la soja o la ubicación sobre el surco dificultan la diferenciación, la morfología puede resultar determinante. “Si esto fuese un detector de surco, esta maleza tampoco la hubiese detectado. Acá solamente es detectable esta maleza con la forma”, señaló.
Para operar sin luz natural, los módulos incorporan cámaras RGB y una fuente de luz blanca que ilumina el área de trabajo. Así, el sistema puede mantener la detección y la apertura selectiva de los picos durante la noche.
Una de las líneas de desarrollo apunta a que el sistema no solo detecte malezas, sino que además pueda clasificarlas. En las primeras pruebas, el algoritmo diferencia gramíneas de hojas anchas y las identifica con distintos colores en la pantalla. “Todavía se trata de una prueba de concepto y este año se están haciendo validaciones”, explicó.
El potencial de las cámaras también se extiende más allá del control de malezas. En un barbecho, por ejemplo, las imágenes podrían utilizarse para reconocer otras características o anomalías del lote. Mammarella mencionó como ejemplo las cuevas de peludo, aunque aclaró que aún no tienen un algoritmo que permita detectarlas. El caso sirve para mostrar otras posibilidades de la herramienta.
Otra línea en desarrollo es el conteo de plántulas de maíz en posemergencia, para estimar la densidad lograda y su distribución en el lote. El objetivo es aprovechar las cámaras y la inteligencia artificial no solo para realizar aplicaciones selectivas, sino también para obtener información que permita detectar tempranamente anomalías en los cultivos.
Los derechos sobre esta nota y su contenido pertenecen a AACREA. Si querés compartir esta información y/o citarla, te pedimos que menciones a Contenidos CREA como origen e incluyas el enlace a la nota original. ¡Muchas gracias!