Caso testigo: la inteligencia artificial aplicada al agro está cerca de ser una realidad en Córdoba

Con el avance de la tecnología, los datos ya son un factor más de producción y pueden generar una transferencia masiva de aprendizaje.

Por |
Caso testigo: la inteligencia artificial aplicada al agro está cerca de ser una realidad en Córdoba
11deJuniode2020a las10:06

"La estadística comienza a cobrar una dimensión de inteligencia artificial", destaca el Ingeniero Agrónomo Esteban Tronfi, director de la Red Agropecuaria de Vigilancia Tecnológica (RAVIT).

Esta afirmación tiene que ver con que RAVIT está ingresando en la fase 3 de la Red que arrancó en 2017 con 500 mil hectáreas y hoy ya abarca 3 millones, involucrando cerca de 80 productores en el sudeste bonaerense (28) y norte de Córdoba (50).

Tronfi contó durante un webinar de Club Agtech todas las etapas que forman parte de la iniciativa que cuenta con el apoyo de UPL Agro, a través del lema Open Ag.

Fase 1

La fase 1, en la que entró el sudeste bonaerense en la campaña 2018/19, incluye la generación de los canales de información mediante un vínculo permanente con los productores que forman parte de la Red. Este proceso incluye 4 pilares: diálogo con los decisores del lote, una recorrida y toma de muestras, instalación de sensores y evaluación de indicadores regionales.

"El valor se construye sobre un set de información asegurada (mediante protocolos) que incluye verdad de campo y contacto con referentes", explica el director de RAVIT.

Para tomar las muestras del campo se instala una Unidad de Seguimiento Intensivo (USI) de 0,8 hectáreas, en donde se miden 120 variables y se combinan mediante un equipo de especialistas, entre los que se encuentra el ingeniero Emilio Satorre.

En la región norte de Córdoba, de las 120 variables que se miden hoy ya hay identificadas 12 que construyen la diferencia: "Apuntamos a crear modelos que expliquen las variables clave para entender las brechas tecnológicas”.

Tronfi explica que la premisa de RAVIT es generar datos del campo en tiempo real y en su lenguaje natural, y unirlos a procesos digitales para mejorar la producción agropecuaria. La Red nació con el cambio en los flujos de información con el avance de la tecnología: "De ser usuarios receptores de información pasamos a ser emisores".

Ver también: La rotación de herbicidas continúa siendo una deuda pendiente

Fase 2

Siguiendo con el análisis, la fase 2 del proceso se basa en extender el aprendizaje en red, con una focalización sobre variables claves y el desarrollo de sensores y modelos 

Tronfi contó en Club Agtech que cuando arrancaron en 2017 detectaron que había una variabilidad importante entre productores de un mismo cluster ambiental. Encontraron una diferencia de +/- 20 % en el rinde que se explicaba solo por las decisiones de manejo, cuando todos podrían haber alcanzado el mismo rinde.

"Hay mucho para aprender del vecino", destaca.

Uno de los ejemplos del contenido generado con datos tiene que ver con la gestión de tecnologías para el control de enfermedades: "El riesgo a generar resistencias es enorme".

También con el análisis de datos descubrieron que en cada región las leyes de la agronomía pueden estar dispuestas de otra forma a la habitualmente conocida: "La mineralización del nitrógeno la conocemos al 3 %, pero en la zona norte de Córdoba iba del 1 al 10 %.

"Nos estamos aproximando mucho a tener modelos. Vemos las variables que aportan rendimiento y cuáles lo están tirando para abajo", cuenta el director de RAVIT y agrega que el modelo va a ser muy sólido porque ya acumula datos de 3 campañas.

Fase 3

Ingresando en la fase 3, el objetivo es poder replicar esta experiencia que se recolectó de las variables analizadas en lotes en los que no se tiene demasiada profundidad de datos.

"Tenemos 50 productores en la Red del norte de Córdoba, pero calculamos que hay 1000 en la región. Estadísticamente podemos representar las variables para otro lote que no tenga las variables medidas para hacer funcionar los modelos y tomar decisiones", explica.

Para ello, el objetivo es utilizar herramientas de inteligencia artificial y de sensoramiento remoto: Esto es pasar de un ambiente de datos ricos a uno de datos normales, pero lograr que ellos puedan hacer su diagnostico con menos datos y  que puedan aprovechar los modelos".

Para esto se está trabajando con la empresa Space Time Lab y Vandersat, que ofrecen el servicio de sensores remotos con capacidad de hacer mediciones precisas de un determinado lote.

"Nos acercamos a una nueva dimensión de cómo manejar los datos", concluye Tronfi. Desde RAVIT anticipan: "Estamos abriendo el código de la agricultura".

Temas en esta nota