Con el fin lograr disminuir las pérdidas en la producción agrícola debido a plagas y enfermedades, un especialista del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) diseñó y patentó un robot con Inteligencia Artificial (IA) que, en menos de diez segundos, es capaz de detectar qué tipo de enfermedad afecta a un cultivo y aplicar la dosis justa de pesticida para curarlo.

Se trata de un desarrollo que llega en un contexto en el que alrededor del 40 % de la producción de la agricultura mundial se pierde por año debido a plagas y enfermedades, según cálculos de la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). 

Según explicó Pedro Bocca, autor del proyecto en el Instituto de Automática (INAUT-CONICET, Universidad Nacional de San Juan), "los sistemas actuales de control de plagas fumigan de forma masiva, es decir, echan pesticidas apenas detectan una enfermedad en el cultivo sin discriminar ejemplares enfermos de los sanos".

Bocca, quien es ingeniero electomecánico especializado en mecatrónica, explicó que "ante este panorama, decidimos trabajar, por un lado, en cómo hacer para facilitar la detección de la plaga, y por el otro, en la aplicación dosificada del pesticida".

De esta manera, el robot, que llegó después de seis años de trabajo, está programado para que cumpla el proceso entero de detección y aplicación de la fumigación en tiempo real, con un 90 % de precisión. 

El sistema está desarrollado para trabajar en olivos, pero el especialista aclaró que la tecnología puede adaptarse a cualquier cultivo de tipo arbóreo.

Cómo funciona la programación del robot con IA

El primer paso del desarrollo consistió en estudiar lo que ya se había diseñado para mejorar los sistemas de detección y aplicación de pesticidas por medio de IA. "Encontré que la clasificación de enfermedades estaba desarrollada a escala de laboratorio, a través de imágenes perfectas de las hojas de un cultivo –dice Bocca-. Pero no había una manera de estudiar qué plaga aqueja un cultivo in situ, es decir, en el campo, ni tampoco existían formas automáticas de hacerlo".

El científico adaptó los sistemas de detección para que las muestras fueran de hojas en el mismo campo, y que el robot pueda clasificarlas sin necesidad de que la imagen sea perfecta. 

De esta manera, armó una base de datos y entrenó a las redes neuronales de la IA para automatizar ese proceso. "No es lo mismo tener la hoja perfecta, con perfecta iluminación, orientación, cantidad de píxeles, profundidad de campo y todo, que una muestra extraída en forma aleatoria a través de un sistema de detección."

Bocca sacó de forma manual unas ciento veinte fotos con unas cuarenta imágenes de hojas cada una, lo que le permitió estudiar aproximadamente cuatro mil imágenes de hojas diferentes. Además, el científico sumó al sistema una categoría en torno a muestras erróneas. Así, el sistema logra detectar si la hoja está sana, si está enferma o si no es clasificable.

A la hora de vincular esa detección con la aplicación precisa del pesticida, el especialista colocó dos sistemas en el mismo robot. "Es decir que en la parte frontal del robot coloqué la cámara, que va sacando fotos a las hojas y detectando el grado de enfermedad, y detrás, otro brazo robótico que se despliega para posicionar los picos de forma precisa y aplicar el pesticida en el grado que le indica la inteligencia artificial. Se puede controlar una dosificación fuerte en la parte superior, media o inferior del árbol, según qué parte sea la más afectada por la enfermedad, sin necesidad de fumigar toda la planta, lo que también ahorra dinero en la aplicación del pesticida".