INTELIGENCIA ARTIFICIAL EN LA CADENA DE SUMINISTRO DE
PRODUCTOS AGRÍCOLAS: UNA PERSPECTIVA ECONÓMICA
Las categorías incluidas en la Inteligencia Artificial en la Agricultura son:
- Robots agricultores: Son robots diseñados y programados para realizar tareas
relacionadas al sector agrícola. Su uso permite mejorar la productividad, eficiencia y
sostenibilidad ambiental dado que realiza las mismas actividades que un operario
pero puede tomar mejores decisiones en caso de cortar, recoger el racimo o esperar
a que esté en su punto óptimo (Pelegrí, 2022). Para realizar sus labores de forma
eficiente utilizan tecnologías avanzadas de IA como visión artificial, aprendizaje
automático y sistema de posicionamiento global (GPS). Entre sus ejemplos, Ramón
(2020) menciona la innovación del robot Sweeper, financiado por la Unión Europea
y la adquisición del robot Pantheon, con características similares al anterior, pero
éste último puede moverse por suelo y aire para recolectar el producto. La página
web oficial de la empresa tecnológica de agricultura Aigritec destaca el uso de un
robot avanzado, que una vez extraídas las coordenadas de las frutas detectadas por
un ordenador, utiliza una cámara de profundidad para calcular la posición de la
fruta con respecto al brazo robótico y poder iniciar el proceso de recolección.
- Monitoreo de cultivo y suelos: Este enfoque permite la recolección de datos en
tiempo real con el fin de obtener información precisa y detallada sobre el estado de
los cultivos y suelos. Permite capturar datos a través de la visión de dispositivos
electrónicos, como drones o tecnologías de software, y luego procesarlos con
algoritmos de aprendizaje automático para obtener información detallada
(Larrazabal, 2019). Por ejemplo, el uso de drones equipados con cámaras permiten
recorrer los campos agrícolas y recopilar imágenes sobre el cultivo, luego los datos
se procesan y analizan utilizando algoritmos de aprendizaje automático para extraer
información sobre el cultivo, suelo o enfermedades. Igualmente, incluye el uso de
técnicas de teledetección y escaneo láser 3D para construir métricas de cultivo y
poder monitorear la salud de sus tierras (Sepúlveda, 2022).
- Análisis predictivo: Permite procesar datos históricos y actuales para identificar
patrones y repeticiones con el objetivo de realizar predicciones a futuro. Su
funcionamiento a través de modelos de aprendizaje automático permite estimar los
impactos de las condiciones ambientales sobre el desempeño y rendimiento en los
cultivos (Larrazabal, 2019). Entre sus beneficios, permite a los agricultores tomar
decisiones más informadas y anticiparse a los problemas. Por ejemplo, la empresa
israelí Manna proporciona recomendaciones de riego diaria para una mejor
eficiencia en el uso del agua. Igualmente, existen sistemas de riego automatizado a
partir de diferentes sensores que permiten medir la humedad, ph, presión y
temperatura del suelo (Patel et al, 2020).
Se prevé que la población mundial en 2050 aumentará en 20.000 millones de personas. Por tanto,
la producción agrícola, así como de otros sectores productivos, deberá aumentar de forma
correspondiente para poder dar respuesta a todas las necesidades alimenticias de toda la
población. Así pues, los ingenieros agrónomos se las tendrán que ingeniar para poder encontrar
una solución ante este reto de escala global.
Aunque parezca un desafío titánico, la solución definitiva puede ir vislumbrándose cada vez más
cerca gracias a las aplicaciones de la inteligencia artificial en arquitectura. Al igual que en
otros campos, la inteligencia artificial ayuda a optimizar procesos de trabajo, realizar
predicciones más rigurosas y automatizar tareas repetitivas. La agricultura no iba a ser una
excepción, sino que siempre ha sido uno de los sectores pioneros en tecnología.
Impacto de la IA en la agricultura
La inteligencia artificial (IA) es una tecnología emergente que tiene el potencial de impulsar la
producción agrícola a niveles sin precedentes. De hecho, ya en la actualidad se ha
implementado software de tecnología punta con IA que determina parámetros esenciales para
los cultivos, como puede ser la detección de la maleza, medición del rendimiento agrícola o la
calidad del cultivo.
Identificación basada en imágenes
Una de las habilidades más entrenadas en los sistemas de IA es la detección de elementos
concretos a partir de iteraciones de grandes cantidades de datos relevantes. Así pues, una IA
puede entrenarse también para detectar malas hierbas, plantas en mal estado o indicios de
plagas de cultivos.
De esta forma, la IA reduciría la necesidad de inspecciones manuales, atajaría de forma más
eficiente cualquier problema técnico o plaga que amenazara la supervivencia del cultivo y, por
ende, incrementaría la producción agrícola.
Maximización de la producción
Hay un factor decisivo a la hora de predecir el rendimiento agrícola de un cultivo: la calidad
de la semilla y la selección de una variedad concreta. La IA puede aprender a detectar qué
semillas son de mejor calidad y qué variedad conviene escoger en función del tipo de suelo y las
condiciones climatológicas.
Cuando hablamos de semillas de mejor calidad nos referimos a que los cultivos serán más
abundantes y fuertes, por lo que la producción aumentará y los daños que puedan ocasionar las
plagas se minimizarán.
Robótica en agricultura
La agricultura siempre ha necesitado mucho trabajo manual repetitivo, por lo que no es
sorprendente que la robótica haya automatizado gran parte de sus procesos menos
productivos.
Sin embargo, los investigadores se han dado cuenta de que la tecnología convencional que se
sigue empleando en la agricultura no son tan eficientes como las tecnologías autónomas. Así
pues, los robots han agilizado enormemente la carga de trabajo en tareas como la siembra, el
desbroce, la siega y la cosecha. En combinación con la IA, los robots además pueden decidir
cómo actuar ante diferentes situaciones y ante distintos tipos de cultivos.
Riego
Las actividades agrícolas consumen el 85% del agua dulce de todo el mundo, porcentaje que no
hará más que subir de la mano del aumento poblacional. Es por ello que el principal reto del
riego en la agricultura es mejorar su eficiencia, es decir, que se gasten menos recursos hídricos
en el mantenimiento de los cultivos.
Un sistema de riego automático en agricultura mide parámetros como el nivel del agua, la
temperatura del suelo, el contenido nutritivo de las plantas y la previsión meteorológica
para activar la funcionalidad de riego justo cuando sea necesario y ahorrar recursos.
Esta innovación de la IA en la agricultura se lleva a cabo instalando sensores inteligentes para
medir cada uno de los parámetros y detectar, por ejemplo, cuando el índice de humedad de la
tierra sea demasiado bajo.
Drones
Los drones en la agricultura permiten obtener una visualización rápida y general de todo un
terreno de cultivo. Pero no solo sirven como cámara de vídeo, sino que al equiparlos con
inteligencia artificial pueden medir parámetros de gran relevancia para los agricultores.
En primer lugar, pueden establecer juicios sobre la salud de una planta en función del color de
hojas que detecte. Además, realizan mapas de calor del terreno de cultivo para medir la humedad
y sequedad de cada parte del suelo.
En la agricultura, unos drones con IA tienen la capacidad de detectar diferentes tipos de terreno y
semillas que a simple vista resulta muy complejo distinguir con el fin de darles un trato
individualizado.
Nebulización
La nebulización en agricultura no es más que la pulverización de los cultivos con líquidos, que
puede ser agua (para humidificar las plantas) o productos químicos (pesticidas). La IA
incorporada en los robots de nebulización de cultivos permite identificar cuándo se debe
nebulizar una planta.
Es especialmente relevante el uso de esta tecnología para evitar un fenómeno común, que es el
exceso de nebulización de pesticidas en los cultivos. Es suele resulta contraproducente, ya que
ocasiona daños a las plantas y empeora el rendimiento agrícola de los cultivos.
Conclusión: la IA en la agricultura
La agricultura enfrenta importantes desafíos, como la escasez de sistemas de riego, cambios
climáticos, escasez de alimentos y desperdicio, entre otros. Para superar estos obstáculos, se
busca adoptar soluciones cognitivas mediante la inteligencia artificial (IA). Aunque existen
aplicaciones en el mercado y la investigación avanza, aún hay un gran potencial por explorar.
La IA puede ayudar en la toma de decisiones autónomas, pronósticos del clima, detección de
plagas y maximización de la producción, pero para ello, las aplicaciones deben ser más robustas
y accesibles para los agricultores, además de lidiar con la dificultad de recopilar datos en un
proceso agrícola anual.
Como puedes inferir de este artículo, la adopción adecuada de la IA y su evolución puede
transformar la agricultura para acometer una gran hazaña: alimentar a una población creciente
mientras se abordan los impactos del cambio climático.
