Una Start Up de la Universidad de Bonn está realizando pruebas en fincas de cultivo utilizando drones para la agricultura con el fin acelerar los cultivos con AI .
Gracias a esta tecnología esperan responder y anticiparse a preguntas sobre cómo es el crecimiento, si han atacado las plagas y enfermedades o si el aumento de las sequías afecta a las plantas. Los cultivadores de nuevas variedades tienen que recopilar datos extensos sobre estas preguntas. La nueva empresa «Pheno-Inspect» de la Universidad de Bonn quiere acelerar el cultivo de plantas. El proyecto está respaldado por el programa «Start-UP University Spin-offs» con alrededor de 270,000 euros.
Los drones equipados con cámara registran los cultivos, el software luego evalúa automáticamente sus propiedades utilizando métodos de inteligencia artificial. Esto indica muy rápidamente si la nueva raza es un éxito.
Con un suave zumbido, el dron vuela sobre los campos del agricultor. Durante el vuelo, toma continuamente fotografías de las plantas, que luego se analizan automáticamente mediante inteligencia artificial.

Malezas y plantas cultivadas se detectan automáticamente y se marcan en diferentes colores. © Foto: Philipp Lottes
El agricultor puede utilizar los resultados para evaluar qué variedades son particularmente adecuadas para el objetivo de mejoramiento. «El crecimiento de la población mundial significa que la agricultura tendrá que producir rendimientos aún mayores en el futuro, mientras que el área de la tierra cultivable sigue siendo la misma», dice Philipp Lottes, investigador asociado en el Instituto de Geodesia y Geoinformación de la Universidad de Bonn. «El cuello de botella actual en el desarrollo de variedades nuevas y mejores es el fenotipo de alto grupo de trotones en el campo». Este sigue siendo un proceso muy complejo en el cultivo de plantas. En el fenotipado, los expertos determinan la apariencia, o el fenotipo, de las plantas: ¿Cómo de grandes son las espigas de trigo en una nueva variedad? ¿El cultivo sufre de plagas o enfermedades? ¿Cómo hace frente la planta a la sequía? «Solo cuando estos datos son estadísticamente seguros, los mejoradores saben si su nuevo híbrido es un éxito en comparación con otras variedades», informa Lottes. En el futuro, estos datos podrían recopilarse automáticamente utilizando inteligencia artificial. La nueva empresa » Pheno-Inspect «, de la cual Lottes es el fundador, está avanzando con estos planes.

Parcelas de trigo, como es habitual en los ensayos de cultivo, durante el paso elevado. © Foto: Philipp Lottes
Métodos informáticos automáticos de autoaprendizaje para la agricultura
El geodesista ya investigó métodos de aprendizaje automático para el reconocimiento de plantas en sus estudios de doctorado, que también escribió en la Universidad de Bonn como parte del Clúster de Excelencia «PhenoRob». En el curso de esto, desarrolló métodos para usar drones para tomar fotografías de cultivos, a partir de los cuales el software puede determinar, por ejemplo, la cantidad de plantas cultivadas, la distribución de diferentes malezas y la infestación de plagas y enfermedades. «Estos son procesos automatizados de autoaprendizaje que se optimizan en función de las especificaciones del usuario», informa Lottes. En una «fase de entrenamiento», el software aprende cómo se ven las mazorcas de grano, los síntomas de estrés seco o las malas hierbas sobre la base de una gran cantidad de fotos. Usando métodos estadísticos, El programa de análisis puede evaluar automáticamente las imágenes y proporcionar documentación exhaustiva en forma de mapas que muestran cuáles de las parcelas de reproducción sufren deficiencias de nutrientes o cuáles son especialmente de alto rendimiento. «En particular, la evaluación totalmente automática de los datos a gran escala tiene un gran potencial», explica el profesor Dr. Cyrill Stachniss.
Durante la inspección, el dron vuela a altitudes entre diez y 100 metros sobre los cultivos. Ninguna brizna de hierba escapa a las cámaras, porque la resolución proporciona detalles de unos pocos milímetros.
«El posicionamiento se realiza a través de un GPS muy preciso, como el utilizado por los geodesistas», informa Lottes. «El GPS del teléfono inteligente no puede competir en precisión».
Junto con su mentor, el Prof. Dr. Cyrill Stachniss, jefe del grupo de trabajo de fotogrametría y robótica en la Universidad de Bonn, el geodesista ahora recibe fondos como parte del programa «Start-UP University Spin-offs» del estado del Norte Renania-Westfalia y la Unión Europea. Durante los próximos 18 meses, Pheno-Inspect se beneficiará de una financiación de alrededor de 270,000 euros para inspeccionar el fenotipo. «Queremos desarrollar aún más nuestro software y adaptarlo a las necesidades de los usuarios», informa Lottes, quien también está impulsando el plan de negocios.

Philipp Lottes (izquierda) y el Prof. Dr. Cyrill Stachniss de la Universidad de Bonn con un dron que registra una vista panorámica de los cultivos. (c) Foto: Barbara Frommann / Uni Bonn
Hasta ahora, el Bundessortenamt, el Institut für Zuckerrübenforschung, el Gemeinschaft zur Förderung von Pflanzeninnovationen eV y el Campus Agrícola Klein-Altendorf de la Universidad de Bonn han estado probando los desarrollos de Pheno-Inspect como socios de desarrollo. Lottes: «Cualquier persona que tenga propuestas prácticas de aplicación para nuestro fenotipo automatizado de alto rendimiento en el campo o que desee avanzar en el grado de automatización en su negocio debe comunicarse con nosotros». Los agricultores convencionales y orgánicos también podrían beneficiarse del método cuando se trata de determinar el nivel de infestación de malezas o plagas en un cultivo o cómo se puede optimizar el uso de fertilizantes.
«El proceso de fenotipado de alto rendimiento de Pheno-Inspect es un enfoque prometedor para acelerar significativamente el cultivo de nuevas variedades», señala Rüdiger Wolf de Technology Transfer en la Universidad de Bonn, quien aconsejó a los fundadores. «La puesta en marcha una vez más subraya el alto potencial empresarial en las áreas de salud y sostenibilidad».
Más información: www.phenoinspect.de
Fuente: Universidad de Bonn