El año 2023 marcó la llegada oficial de la inteligencia artificial (IA) a los titulares de todos los principales periódicos y publicaciones en línea en todo el mundo. Por primera vez, la promesa de la IA, para bien, y los temores asociados con el potencial efecto que su aplicación tendrá en nuestras vidas ya no pueden ser ignorados. La IA está aquí para quedarse, sobre todo para aquellos que han estado trabajando en sus respectivos campos para agregar capacidad analítica a sus flujos de trabajo, y a quienes la llegada de la IA no es una sorpresa, sino una inevitabilidad.

Tuvimos la fortuna de conectarnos con alguien que ha estado involucrado en la adición de herramientas como el aprendizaje automático y la IA en el campo de la agricultura de precisión, Daniel Candro.

"Desde los primeros años de la agricultura, los humanos han confiado en sus manos y fuerza física para llevar a cabo diversas actividades en el ciclo agrícola, incluida la siembra, la cosecha y el acto de recoger sus propios alimentos". Daniel dijo reflexivamente: "Si bien la naturaleza fundamental de estas actividades se ha mantenido prácticamente sin cambios durante cientos de miles de años, se han vuelto cada vez más eficientes con el tiempo. Se han introducido diferentes técnicas y tecnologías en diversas etapas a lo largo de la historia de la agricultura. Del mismo modo, a medida que los romanos diseñaron e innovaron técnicas agrícolas introduciendo nuevos elementos a los modelos establecidos, los humanos de hoy en día están más interesados que nunca en integrar y mejorar el proceso cíclico de la agricultura.”

El desafío actual del negocio agrícola está en alimentar a nueve mil millones de personas con la misma cantidad de tierra que teníamos hace 100,000 años y esto requiere agregar tecnologías y afinar procesos que han estado en práctica por milenios.

"La agricultura de precisión se basa en herramientas, sensores, software, Internet de las cosas (IoT) y una amplia gama de esfuerzos destinados a transformar los datos obtenidos en campo en información. El objetivo principal de recopilar estos datos es obtener beneficios tangibles y soluciones para los desafíos agrícolas del mundo real". Daniel dijo: "En mi incursión inicial en el uso de drones, me centré en la cosecha y los cultivos de papas, pastos y arroz en varios lugares de Colombia. A través de la investigación y la recopilación de datos utilizando drones, sensores y cámaras, busqué implementar cambios detallados para mejorar la producción, la eficiencia, la productividad y los ingresos dentro del ciclo agrícola con excelentes resultados de hasta un 20% de aumento de los ingresos netos y la reducción en el uso de agua y agroquímicos".

En 2022, Daniel completó una maestría en gestión de proyectos, especializándose en la integración de inteligencia artificial y tecnología de drones en la gestión de granjas y cultivos.

"Mi objetivo en ese momento era lograr un aumento constante en los ingresos, la eficiencia, la productividad y en una comprensión más profunda de la tierra a través de un mejor análisis de cultivos respaldado por información". Daniel dijo reflexivamente: "Es importante reconocer que el tratamiento efectivo y el plan de acción para la información adquirida por los drones finalmente se convertirá en la herramienta más poderosa y pronto, en una ventaja competitiva que realmente diferenciará la toma de decisiones en el manejo de tierras y cultivos. Entonces, ¿cómo logramos esto? En primer lugar, es importante reconocer que los drones, sensores y cámaras multiespectrales y RGB proporcionan una perspectiva nueva y hasta ahora desconocida de la tierra. Las imágenes capturadas por estos dispositivos revelan diferencias que son indetectables para el ojo humano debido a las propiedades espectrales de las imágenes tomadas".

Pronto, Daniel se dio cuenta de que, para utilizar eficazmente estas herramientas, los agricultores y los profesionales agrícolas deben familiarizarse con el terreno y factores como la altitud, los tipos de cultivos y los suelos seleccionados.

"Seleccionar el sensor o la cámara adecuados es esencial para recopilar la información más precisa relevante para nuestros propósitos específicos en el campo. Teniendo en cuenta estas consideraciones, podemos planificar nuestras misiones de vuelo dentro de un plazo razonable para capturar datos valiosos a lo largo del tiempo". Daniel dijo enfáticamente: "Una vez que se obtienen los datos, podemos confiar en el software, las herramientas, el autoconocimiento y principalmente expertos agrónomos para interpretar los datos y es en esta etapa que la inteligencia artificial juega un papel importante. Como explicación simple, podemos utilizar el aprendizaje supervisado a través de métodos como regresión y clasificación, dependiendo de los objetivos y aplicaciones específicos".

IA es una tecnología relativamente nueva en aplicaciones comerciales e industriales y, como tal, cada experto en su campo está probando los límites sobre cómo se puede utilizar esta herramienta revolucionaria para agilizar los flujos de trabajo y ajustar los procesos que han estado en vigor durante mucho tiempo.

"El aprendizaje supervisado a través de la regresión se utiliza para predecir o estimar valores numéricos, como el rendimiento esperado de los cultivos, los eventos futuros de los cultivos o el rendimiento de los cultivos. Por otro lado, el aprendizaje supervisado a través de la clasificación se utiliza para asignar objetos o datos a categorías o clases específicas, como la detección de enfermedades de las plantas o la clasificación de cultivos basada en el tipo. Daniel dijo: "En resumen, la agricultura de precisión puede emplear ambos enfoques, dependiendo de los problemas y objetivos específicos de cada aplicación. Al aprovechar la inteligencia artificial y usar conjuntos de datos de imágenes capturadas por drones, podemos entrenar modelos utilizando lenguajes de programación como Python. Esto nos permite obtener una visión más profunda del manejo de cultivos, impactando directamente el ciclo de producción agrícola".

Como una de las principales conclusiones, la llegada de la IA al escenario ha llamado la atención sobre su potencial de transformar e impactar de forma positiva varias industrias, incluyendo agricultura. Daniel Candro, ha usado los últimos años para convertirse en un experto en agricultura de precisión integrando IA con drones para mejorar las prácticas agrícolas.

Usando drones, sensores y cámaras, Daniel ha implementado con éxito cambios que condujeron a mejoras notables en la producción, la eficiencia y los ingresos dentro del ciclo agrícola. Además de esta producción, su esfuerzo le ha permitido predecir los rendimientos de los cultivos y detectar enfermedades de las plantas, entre otras ideas valiosas. Esta integración de la agricultura de precisión, la IA y la tecnología de drones tiene el potencial de revolucionar el sector, proporcionando a los agricultores y las comunidades información procesable para el manejo efectivo de la tierra y los cultivos.

La implementación de la IA en la agricultura de precisión sin duda desempeñará un papel fundamental para abordar los desafíos de alimentar a una población mundial en crecimiento, al tiempo que optimizará el uso de los recursos y promoverá la sostenibilidad. El camino hacia un futuro más brillante y eficiente en la agricultura acaba de comenzar, y con expertos como Daniel liderando el camino, podemos esperar avances innovadores en este campo crítico en muy corto tiempo.