Como uno de los ganadores en las presentaciones de prensa más recientes celebradas durante la Commercial UAV Expo, Agrowing Ltd., tiene un historial establecido en lo que respecta a habilitar herramientas poderosas para agricultores y productores. El proveedor de sensores multiespectrales que habilitan la inteligencia artificial crea constantemente productos que lo distinguen de la competencia para brindar oportunidades reales a los usuarios. El poder y la utilidad inherentes de sus productos se hicieron evidentes en su reciente anuncio sobre un avance significativo en la detección de HLB a nivel de hoja y aéreo en Citrus.

La colaboración de Agrowing con VetorGEO, una startup brasileña enfocada en soluciones de Agricultura 4.0, les ha permitido usar drones para identificar y aislar firmas multiespectrales de síntomas de HLB en hojas de cítricos. Es un avance significativo, ya que alivia el mayor desafío con este tipo de detección, que tradicionalmente se ha relacionado con el momento en que los productores pueden reconocer tales síntomas.

“Hasta ahora, no había una detección efectiva de HLB con NDVI, por lo que los sensores desarrollados por Agrowing pueden ser tan disruptivos para la industria de los cítricos”, dijo la Dra. Kelly Pazolini, investigadora científica de VetorGEO. “Es fundamental encontrar nuevos síntomas, de modo que los árboles infectados puedan eliminarse lo más rápido posible. Esto les permite ser reemplazados y limita el daño que de otro modo causarían al resto del huerto ”.

Los árboles infectados pueden tardar entre 6 meses y dos años en mostrar síntomas visuales. Eso significa que ya se ha hecho una cantidad significativa de daño antes de que se haya identificado un problema. Resolver un problema antes de que se convierta en un problema real está relacionado con un cambio mayor en el que la agricultura de precisión pasa del NDVI al siguiente nivel de IA, y estos tipos de sensores están impulsando esa transición. Sin embargo, existen desafíos cuando se trata de cómo se puede integrar la tecnología en los flujos de trabajo y procesos establecidos.

Afortunadamente, con la orientación adecuada, dichos algoritmos de IA se pueden desarrollar en unas semanas, siempre que se puedan recolectar muestras de los fenómenos que deben detectarse. La detección aérea de árboles sospechosos es una bendición para la mayoría de los productores, pero el enfoque para adoptar estas herramientas debe considerarse en términos de integración y tiempo.

«Definitivamente es un desafío educar a los proveedores de servicios para que comprendan que no se ofrece un análisis multicanal preciso en el mercado», dijo Ira Dvir, cofundador y director ejecutivo de Agrowing. “Es por eso que es necesario desarrollar algoritmos multicanal adaptados a medida para cultivos y fenómenos específicos. Agrowing está en el proceso de desarrollar una herramienta, que ayudará a los proveedores de servicios a seleccionar un algoritmo efectivo, basado en combinaciones de múltiples bandas de máquinas bastante exhaustivas y manipulaciones. Lanzaremos esa herramienta en el primer trimestre de 2021 «.

Las oportunidades que estos sensores y algoritmos están configurados para abrir son significativas. En este momento, no existe ninguna tecnología que permita este tipo de detección, lo cual es significativo ya que el HLB se considera la principal enfermedad de los cítricos a nivel mundial. El impacto en la industria de los cítricos podría ser enorme, ya que las inspecciones visuales actuales de árboles sintomáticos son muy caras, tardan demasiado en realizarse en áreas muy extensas y no tienen una buena precisión. Si bien este desarrollo será de gran interés para los productores de la cadena de los cítricos, podría tener un impacto mucho mayor en la agricultura en su conjunto.

» SeeTree ha estado utilizando los sensores de Agrowing en cítricos durante bastante tiempo con gran éxito», dijo Dvir a Commercial UAV News. “Vemos el mismo potencial con los huertos de almendros, olivos y otros cultivos. Con cultivos de campo como papas, algodón, soja, etc., las oportunidades son aún mayores, ya que con un escaneo de segunda ronda a baja altitud de puntos seleccionados en el campo basados ​​en NDVI, se puede omitir la necesidad de verificación del suelo, proporcionando al agrónomo o al el usuario toma muestras de 1 mm por píxel de las plagas o enfermedades que se detectaron en el campo y, en consecuencia, planifica una misión de fumigación selectiva «.

Como muestra la imagen de un huerto de almendros infectado a continuación, estas distinciones pueden ser relevantes para una amplia gama de cultivos. El rango dinámico del sensor permite establecer una amplia gama de niveles de salud. Los árboles de color verde oscuro están sanos.

Reducir el costo de las inspecciones visuales y al mismo tiempo permitir la detección temprana del tizón o infección es el objetivo final de la agricultura de precisión, independientemente de cómo se vean esas distinciones de un cultivo a otro, o de una granja a otra. Este desarrollo contribuye en gran medida a definir verdaderamente la «precisión» que ha sido durante mucho tiempo parte de la agricultura de precisión sin que se haya realizado por completo.

Hay sensores de crecimiento disponibles para los productores y proveedores de servicios que están acostumbrados a trabajar con Mapper de Pix4D y Metashape de Agisoft. La integración de sus sensores con drones profesionales es sencilla, ya que cualquier dron equipado con una cámara Sony Alpha ya está preparado para usar sus sensores. Sus sensores de 10 y 14 bandas tienen una resolución mucho más alta (8 y 12 MP por banda) y se ofrecen a un precio asequible. La mejor manera para que un proveedor de servicios vea estas distinciones es poner sus manos en un solo sensor y luego probarlo usando un Matrice 600 o algo similar.

Fuente: https://www.commercialuavnews.com/