Las Raíces y su exploración con drones mediante IA (Inteligencia Artificial)

raices-y-u-esxploracion-desde-drones-con-ia

Estudio de las raíces de las plantas mediante, observación, drones, IA, Inteligencia Artificial.

No suelo escribir sobre el lanzamiento de nuevas tecnologías aplicadas a la agricultura y el suelo por varias razonesUna de ellas estriba que, ante el auge de la tecnociencia y su descarada auto-propaganda, ¡nada es verdad ni es mentira, todo depende de quien lo diga! Del mismo modo, la mayor parte del surgimiento de nuevas tecnologías, publicitadas a “bombo y platillo” en los medios de comunicación, pasan pronto al limbo del olvido por no cumplir sus expectativas. Finalmente, muchas de ellas son onerosas, al menos en sus inicios, demandando de paso conocimientos técnico e instrumentales sofisticados, por lo que la inmensa mayoría de los campesinos no pueden hacer uso de las mismas, a no ser que sean adquiridas por servicio de extensión agraria gubernamentales o grandes cooperativas. Pero hoy haremos una excepción, por cuanto la noticia me ha llamado la atención y puede incluso que termine siendo muy útil en la investigación sobre crecimiento de las raíces de las plantas “en general”.  Se trata de un prototipo, por lo que el tiempo dictará sentencia acerca de su eficiencia.

La nota de prensa y un artículo en acceso abierto nos informan que con el uso de drones e Inteligencia artificial, quizás, “algún día” podemos conocer en tiempo real (o casi) el estado de las raíces de las plantas y sus necesidades del suelo en un momento dado (agua, fertilizantes y bla, bla, bla.).

Reitero que, cuando leáis esta noticia, tengáis todo ello presente. Ojalá cumpla sus expectativas, pero de momento es “un sueño, y los sueños, sueños son”. Empero no debemos hacernos ilusiones. Son muchas, demasiadas, las nuevas instrumentaciones que se lanzan así, y luego son abducidas al más allá. Todo ello me recuerda al caso del cáncer. Desde antes de que surgieran los ordenadores, han sido publicitados miles de fármacos que podían curar tal o cual carcinoma, pero luego, en la práctica, tan solo unos pocos terminan siendo útil para la humanidad.  Hoy será breve. Abajo tenéis la noticia traducida al español-castellano y el enlace para bajaros el artículo original.

Juan José

Continua…….

AI goes underground: root crop growth predicted with drone imagery
by Staff Writers¸Cali, Colombia (SPX) Jun 18, 2020

Root crops like cassava, carrots and potatoes are notoriously good at hiding disease or deficiencies which might affect their growth. While leaves may look green and healthy, farmers can face nasty surprises when they go to harvest their crops.

This also poses problems for plant breeders, who have to wait months or years before knowing how crops respond to drought or temperature changes. Not knowing what nutrients or growing conditions the crop needs early on also hinder crop productivity.

New research using machine learning and to help predict root growth and health with aboveground imagery was published June 14 in Plant Methods.

“One of the great mysteries for plant breeders is whether what is happening above the ground is the same as what’s happening below,” said Michael Selvaraj, a co-author from Alliance of Bioversity International and the CIAT.

“That poses a big problem for all scientists. You need a lot of data: plant canopy, height, other physical features that take a lot of time and energy, and multiple trials, to capture what is really going on beneath the ground and how healthy the crop really is,” said Selvaraj, a crop physiologist.

While drones are getting cheaper, and hardware for capturing physical images through crop trials has become easier, a major bottleneck has been in analyzing vast quantities of visual information. And, distilling it into useful data that breeders can make use of.

Using drone images, the Pheno-i platform can now merge data from thousands of high-resolution images, analyzing them through machine learning to produce a spreadsheet. This shows scientists exactly how plants are responding to stimuli in the field in real-time.

Using the technology, breeders can now respond immediately, applying fertilizer if a particular nutrient is lacking, or water. The data also allows scientists to quickly discover which crops are more resistant to climate shocks, so they can advise farmers to grow more drought or heat-resilient varieties.

La Inteligencia Artificial (IA) pasa a la clandestinidad: el crecimiento del cultivo de raíces se predice con imágenes de drones

Por Staff Writers¸Cali, Colombia (SPX) 18 de junio de 2020

Los cultivos de raíces como la yuca, las zanahorias y las papas son muy buenos para ocultar enfermedades o deficiencias que pueden afectar su crecimiento. Si bien las hojas pueden verse verdes y saludables, los agricultores pueden enfrentar sorpresas desagradables cuando van a cosechar sus cultivos.

Esto también plantea problemas para los fitomejoradores, que deben esperar meses o años antes de saber cómo responden los cultivos a la sequía o los cambios de temperatura. No saber qué nutrientes o condiciones de cultivo necesita el cultivo desde el principio también obstaculizan la productividad del cultivo.

El 14 de junio se publicó en Plant Methods una nueva investigación que utiliza el aprendizaje automático y para ayudar a predecir el crecimiento y la salud de las raíces con imágenes aéreas.

“Uno de los grandes misterios para los fitomejoradores es si lo que está sucediendo sobre el suelo es lo mismo que lo que sucede debajo”, dijo Michael Selvaraj, coautor de Alliance of Bioversity International y del CIAT.

“Eso plantea un gran problema para todos los científicos. Se necesitan muchos datos: cubierta vegetal, altura, otras características físicas que requieren demasiado tiempo y energía, y múltiples pruebas, a la hora de capturar lo que realmente está sucediendo bajo el suelo y si el cultivo resulta ser realmente saludable “, dijo Selvaraj, un fisiólogo de cultivos.

Si bien los drones se están volviendo más baratos, y el hardware para capturar imágenes físicas a través de pruebas de cultivo se ha vuelto más fácil, un importante cuello de botella ha sido el análisis de grandes cantidades de información visual. Y, destilando en datos útiles que los criadores pueden utilizar.

Usando imágenes de drones, la plataforma Pheno-i ahora puede fusionar datos de miles de imágenes de alta resolución, analizándolas a través del aprendizaje automático para producir una hoja de cálculo. Esto muestra a los científicos exactamente cómo las plantas están respondiendo a los estímulos en el campo en tiempo real.

Usando la tecnología, los criadores ahora pueden responder de inmediato, aplicando fertilizante si falta un nutriente en particular, o agua. Los datos también permiten a los científicos descubrir rápidamente qué cultivos son más resistentes a los choques climáticos, por lo que pueden aconsejar a los agricultores que cultiven variedades más resistentes a la sequía o al calor.

“We’re helping breeders to select the best root crop varieties more quickly, so they can breed higher-yielding, more climate-smart varieties for farmers,” said Gomez Selvaraj.

“The drone is just the hardware device, but when linked with this precise and rapid analytics platform, we can provide useful and actionable data to accelerate crop productivity.”

The technology holds promise for other crops.

“Automated image analytical software and machine learning models developed from this study is promising and could be applied to other crops than cassava to accelerate digital phenotyping work in the alliance research framework,” said Joe Tohme, the Alliance research director for Crops for Nutrition and Health.

Video en YouTube

Research paper

Estamos ayudando a los responsables de seleccionar las mejores variedades de cultivos de raíces más rápidamente, para que puedan reproducir variedades de mayor rendimiento e inteligentes para los agricultores”, dijo Gómez Selvaraj.

El dron es solo el dispositivo de hardware, pero cuando se vincula con esta plataforma analítica precisa y rápida, podemos proporcionar datos útiles y procesables para acelerar la productividad de los cultivos“.

La tecnología es prometedora para otros cultivos.

El software analítico de imagen automatizado y los modelos de aprendizaje automático desarrollados a partir de este estudio son prometedores y podrían aplicarse a otros cultivos además de la yuca para acelerar el trabajo de fenotipado digital en el marco de investigación de la alianza”, dijo Joe Tohme, director de investigación de la Alianza para Cultivos para la Nutrición y la Salud.

Drones para predecir el crecimiento de las raíces de ciertos cultivos

El desconocimiento de los nutrientes o de las condiciones de crecimiento que el cultivo necesita desde el principio también dificulta la productividad de los cultivos

Los cultivos de raíces como la mandioca, las zanahorias y las patatas son notoriamente buenos a la hora de ocultar enfermedades o deficiencias que podrían afectar a su crecimiento. Si bien las hojas pueden parecer verdes y sanas, los agricultores pueden enfrentarse a desagradables sorpresas cuando van a cosechar sus cultivos.

Esto también plantea problemas a los fitomejoradores, que tienen que esperar meses o años antes de saber cómo responden los cultivos a la sequía o a los cambios de temperatura. El desconocimiento de los nutrientes o de las condiciones de crecimiento que el cultivo necesita desde el principio también dificulta la productividad de los cultivos.

Un artículo publicado en la revista Plant Methods presenta una nueva investigación que utiliza el aprendizaje automático (un tipo de inteligencia artificial) y que ayuda a predecir el crecimiento y la salud de las raíces con imágenes remotas de la superficie.

“Uno de los grandes misterios para los fitomejoradores es si lo que ocurre en la superficie es lo mismo que lo que ocurre en la parte inferior”, dijo Michael Selvaraj, coautor de Alliance of Bioversity International y del CIAT.

“Eso plantea un gran problema para todos los científicos. Se necesitan muchos datos: el dosel de las plantas, la altura, otras características físicas que requieren mucho tiempo y energía, y múltiples ensayos, para captar lo que realmente está sucediendo bajo tierra y cuán sano está el cultivo”, dijo Selvaraj, un fisiólogo de cultivos.

Si bien los drones son cada vez más baratos, y el hardware para capturar imágenes físicas a través de las pruebas de cultivo se ha vuelto más sencillo, un gran cuello de botella ha sido el análisis de grandes cantidades de información visual. Y, destilarlas en forma de datos útiles que los especialistas pueden utilizar.

Usando imágenes de drones, la plataforma Pheno-i puede ahora fusionar datos de miles de imágenes de alta resolución, analizándolas a través de aprendizaje automático para producir una hoja de cálculo. Esto muestra a los científicos cómo están las plantas respondiendo exactamente a los estímulos en el campo y en tiempo real.

Utilizando esta tecnología, los fitomejoradores pueden ahora responder inmediatamente, aplicando fertilizante si un nutriente en particular falta, o agua. Los datos también permiten a los científicos descubrir rápidamente qué cultivos son más resistentes a las perturbaciones climáticas, de modo que pueden aconsejar a los agricultores que cultiven variedades más resistentes a la sequía o al calor.

“Estamos ayudando a los fitomejoradores a seleccionar más rápidamente las mejores variedades de cultivos de raíces, para que puedan obtener variedades de mayor rendimiento y más apropiadas para el clima para los agricultores”, dijo Gómez Selvaraj. “El dron es sólo el dispositivo de hardware, pero cuando se conecta con esta plataforma de análisis precisa y rápida, podemos proporcionar datos útiles y procesables para acelerar la productividad de los cultivos”.

“El software de análisis de imágenes automatizado y los modelos de aprendizaje automático desarrollados a partir de este estudio son prometedores y podrían aplicarse a otros cultivos que no sean la mandioca para acelerar el trabajo de fenotipado digital en el marco de investigación de la Alliance”, dijo Joe Tohme, director de investigación de la Alliance for Crops for Nutrition and Health.

FECHA | 

FUENTE | NCYT

Etiquetas: , , , , ,

Si te gustó esta entrada anímate a escribir un comentario o suscribirte al feed y obtener los artículos futuros en tu lector de feeds.

Comentarios

Aún no hay comentarios.

(requerido)

(requerido)


*

Responsable del tratamiento: FUNDACIÓN PARA EL CONOCIMIENTO MADRIMASD con domicilio en C/ Maestro Ángel Llorca 6, 3ª planta 28003 Madrid. Puede contactar con el delegado de protección de datos en dpd@madrimasd.org. Finalidad: Contestar a su solicitud. Por qué puede hacerlo: Por el interés legítimo de la Fundación por contestarle al haberse dirigido a nosotros. Comunicación de datos: Sus datos no se facilitan a terceros. Derechos: Acceso, rectificación, supresión, oposición y limitación del tratamiento. Puede presentar una reclamación ante la Agencia Española de Protección de datos (AEPD). Más información: En el enlace Política de Privacidad..