Se viene el 16° Curso de Agricultura de Precisión

La agricultura de precisión avanza de la mano de imágenes e índices que permiten orientar al productor para la toma de decisiones más eficientes sobre los cultivos, lo que repercute en sus rindes.

Con algoritmos, la inteligencia artificial se vuelve previsora y decisiva.

Con algoritmos, la inteligencia artificial se vuelve previsora y decisiva.

14deSeptiembrede2017a las15:15

El agro ingresó en la era del algoritmo, lo que implica un ordenamiento de operaciones sistemáticas para hallar la solución a un problema según la información disponible. Así, mediante imágenes multiespectrales –obtenidas por una cámara a bordo de un dron, por ejemplo– es posible armar índices que combinados con algoritmos se puede predecir el estado nutricional de un cultivo para alcanzar su potencial de rendimiento. Esta será una de las atracciones del 16° Curso de Agricultura de Precisión que se realizará el 28 de septiembre en el INTA Manfredi, Córdoba.

De acuerdo con Fernando Scaramuzza –coordinador del Proyecto Agricultura de Precisión del INTA Manfredi, Córdoba– “cada vez se ve más la implementación de la toma de imágenes, con las que se arman índices para utilizar con algoritmos, buscando el potencial de rendimiento según el ambiente y aumentando la eficiencia en el uso de los insumos”.

Es que, de acuerdo con el especialista, los drones son “una de las herramientas más difundidas recientemente” que resultan útiles para determinar la variabilidad espacial en lotes de producción. Asimismo, constituyen una alternativa frente al uso de imágenes satelitales o sensores ópticos para el diagnóstico del estado nutricional de los cultivos.

“Estas herramientas pueden equiparse con distintos tipos de cámaras existiendo la posibilidad de obtener imágenes multiespectrales en las que el cultivo se refleja en distintas longitudes de onda”, especificó Scaramuzza.

Y agregó: “Con esas imágenes, se arma un mosaico donde el índice de vegetación diferencial normalizado (NDVI, por sus siglas en inglés) utilizados con el algoritmo OZU, permite predecir los estados nutricionales de los cultivos y determinar cuánto es lo que está faltando para alcanzar su potencial de rendimiento”.