Una intersección importante de la agricultura y la tecnología en la actualidad es la inteligencia artificial y el aprendizaje automático para procesar cantidades masivas de datos de esos cuadricópteros que zumban sobre los campos de cultivo.
Operar cámaras multiespectrales y térmicas en drones es una cosa, pero programar computadoras para usar esos datos para resolver problemas agrícolas complejos, como la detección temprana del estrés de cultivos en plantas específicas, es otra.
Eso es algo en lo que los científicos informáticos están trabajando en colaboración entre la Estación Experimental Agrícola de Arkansas de la División de Agricultura del Sistema de la Universidad de Arkansas, el departamento de informática de la Universidad Estatal de Arkansas y el Instituto de Biociencias de Arkansas.
Emily Bellis, profesora asistente de bioinformática en la Universidad Estatal de Arkansas, fue recientemente nombrada Nueva Investigadora del Año por el Instituto de Biociencias de Arkansas por su trabajo en este tipo de problemas. La División de Agricultura financió parcialmente su investigación sobre inteligencia artificial que procesa imágenes derivadas de drones. El instituto reconoció a Bellis y otros investigadores durante su simposio de otoño el 4 de octubre en el Centro Don Tyson de Ciencias Agrícolas.
“Me encanta este tipo de proyecto porque es realmente interesante desde el punto de vista del análisis de datos y también los posibles impactos que puede tener en los sistemas agrícolas”, dijo Bellis.
Bellis también se desempeña como director asociado del Center for No-Boundary Thinking, un grupo con sede en la Universidad Estatal de Arkansas con el objetivo de promover la investigación interdisciplinaria con inteligencia artificial y aprendizaje automático.
El estudio dirigido por Bellis entrenó computadoras para interpretar imágenes multiespectrales y térmicas tomadas por drones para determinar las diferencias de potencial de rendimiento dentro de un campo determinado en función de varios signos de estrés nutricional del cultivo. El artículo de investigación, «Detectar la variación dentro del campo en el rendimiento del arroz con imágenes de vehículos aéreos no tripulados y aprendizaje profundo», se publicó en marzo. Ahmed Hashem, profesor asistente de tecnología de sistemas agrícolas en la Universidad Estatal de Arkansas, fue el coautor del estudio y dirigió la recopilación de datos de drones. Tim Burcham, director del Centro de Investigación y Extensión del Arroz del Noreste de la División de Agricultura y ex profesor de ASU, vinculó a los dos para el proyecto.
“Hemos estado trabajando juntos durante un par de años sobre cómo podemos aplicar técnicas de aprendizaje profundo a conjuntos de datos de imágenes masivas que se recopilaron en muchos experimentos diferentes”, dijo Bellis. “Diferentes tipos de cámaras a menudo pueden capturar diferentes tipos de estrés. Los sensores multiespectrales de los drones del Dr. Hashem son excelentes para detectar el estrés por sequía y nutrientes”.