Redacción. El alcance del proyecto AgrarIA se centra en dos líneas estratégicas para el desarrollo futuro del sector agroalimentario. Por un lado, en la investigación en la cadena de valor completa de la producción agraria mediante sistemas gobernados por la inteligencia artificial (IA) con objetivos de reducción drástica del dióxido de carbono (CO2), la sostenibilidad, la eficiencia energética y la mejora de la productividad y competitividad. Por otro lado, en la investigación en la aplicación del uso de diferentes tecnologías y de la IA de la manera más eficiente y con huella de carbono neutra.
El proyecto contempla el desarrollo de la plataforma AgrarIA donde se podrán integrar, en una sola entidad de computación desacoplada y de manera estándar, todos los modelos y componentes necesarios en la cadena de valor del sector agrícola -producción, transformación y distribución– permitiendo definir flujos de procesos que estén integrados con tecnologías de IA necesarias para su desarrollo, así como otras tecnologías habilitadoras digitales para desplegar iniciativas singulares o casos de uso concretos que favorezcan una rápida, eficiente, productiva y sostenible transformación a medio plazo del sector.
Departamento de Geografía Física y Análisis Geográfico Regional
Entre otras, nos encontramos con soluciones que van desde el desarrollo de nuevos productos naturales para el control de plagas y enfermedades, que mantienen la misma eficacia que los de síntesis química y aportan una solución real a las limitaciones productivas que el Farm to Fork y el Green Deal entrañan para los agricultores, hasta el uso de la robótica colaborativa para optimizar la fase de transformación de los productos. Además de la investigación mediante computación cuántica y la utilización de drones y satélites (teledetección, TD) para optimizar la producción agrícola.
El profesor del departamento de Geografía Física y Análisis Geográfico Regional de la US Víctor Rodríguez Galiano, experto en TD e IA, es el responsable de la coordinación de uno de los casos de estudio del proyecto, en el que participan las empresas Celtiberian, DroneTools y Emergya, con un presupuesto de 1,5 millones de euros. La contribución de la US al proyecto se plasma en la investigación en sistemas de agro-monitorización basados en TD e IA para la cartografía predictiva de variables biofísicas y de manejo de cultivos extensivos. La TD óptica es una técnica que permite adquirir información sobre los cultivos, relacionando la proporción de la luz proveniente del sol que es reflejada por la planta (radiación electromagnética), con diferentes parámetros indicadores de la actividad fotosintética y la salud. Esta información es adquirida por sensores a bordo de satélites y drones para bandas del espectro visible (0,4 – 0,7 micras), pero también para otras regiones invisibles al ojo humano, como el infrarrojo cercano (0,7 – 1,2 micras) o el infrarrojo de onda corta (1,2 – 2,5 micras).
TD
Los recientes avances en TD constituyen una fuente de información de indiscutible valor y con un potencial sin precedentes para la agricultura. Se ha producido un cambio de paradigma en cuanto a la aplicación de la TD, pasando de una caracterización básica del vigor de los cultivos basada en la información registrada por una decena de bandas espectrales y a resoluciones espaciales de 10 a 30 metros, a una caracterización cuantitativa de pigmentos foliares a partir de sensores con varios cientos de bandas espectrales y a resoluciones más de cien veces superiores. Los nuevos sistemas de TD permiten adquirir imágenes mediante drones dotados con sensores capaces de medir en cientos de bandas espectrales (hiperespectrales), a resoluciones espaciales de escasos centímetros, que multiplican las posibilidades de obtención de información relevante para el manejo de los cultivos.
El caso de estudio coordinado por la US investigará la construcción de modelos de IA que, aplicados a imágenes de sensores hiperespectrales portados por drones altamente sofisticados, permitirán una caracterización de altísima precisión de los cultivos. De esta forma, se elaborarán productos cartográficos como el índice de área foliar, el contenido en nitrógeno, en pigmentos foliares como clorofilas, xantofilas, carotenoides y flavonoides, y la humedad o el estrés hídrico; se identificará la presencia de plagas o enfermedades.
Estos algoritmos de IA serán entrenados a partir de la inversión de modelos de transferencia radiativa a nivel de hoja y dosel, calibrados a partir de mediciones en campo y laboratorio de la respuesta espectral de los cultivos. Los productos cartográficos de alta resolución espacial, serán usados por drones robotizados para una aplicación inteligente y precisa de tratamientos fitosanitarios y de fertilización. Además, a partir del conocimiento adquirido por los modelos de IA, se identificarán las configuraciones espectrales óptimas para el diseño de prototipos de cámaras multiespectrales operativas para su uso en agricultura de precisión.
