Los investigadores de la Universidad de Missouri han demostrado que los drones combinados con inteligencia artificial pueden evaluar la salud de los cultivos de maíz de manera más eficiente que los métodos de exploración de campo tradicionales, ofreciendo posibles ganancias en el uso de fertilizantes y la gestión ambiental.
El estudio, realizado en mediados de - campos de maíz de Missouri, usó drones equipados con cámaras multiespectrales para capturar longitudes de onda, como la luz de onda cercana - infrarroja y roja - de la luz de borde, que están vinculadas a la salud de la planta pero invisibles al ojo humano. Al combinar estas imágenes con datos del suelo y procesarlas a través de modelos de aprendizaje de la máquina -, el equipo estimó los niveles de clorofila de la hoja - un indicador clave del estado de nitrógeno - en campos enteros con alta precisión.
"Conocer el contenido de clorofila de cada planta ayuda a los agricultores a determinar el momento, la ubicación y la cantidad de aplicación de nitrógeno", dijo Jianfeng Zhou, profesor asociado en la Facultad de Agricultura, Alimentos y Recursos Naturales y CO - de investigación en el Centro de Investigación y Extensión de Agricultura Digital de Mizzou. "Eso puede aumentar los rendimientos al tiempo que reduce el exceso de uso químico que afecta el medio ambiente".
El maíz se encuentra entre los cultivos exigentes más nitrógenos -, lo que hace que el manejo preciso de nutrientes sea un problema significativo de costo y sostenibilidad. La aplicación - aumenta los gastos y puede conducir a la contaminación del agua, mientras que bajo la aplicación - puede reducir los rendimientos.
El equipo de investigación, dirigido por el estudiante doctoral Fengkai Tian, señaló que dicha monitorización podría ser entregada comercialmente por los proveedores de servicios tecnológicos AG -, lo que permite a los agricultores beneficiarse sin invertir en operaciones de drones o capacidades de procesamiento de datos. Si bien el estudio se centró en el maíz, el método podría adaptarse para otros cultivos, incluidos la soja y el trigo, con ajustes para explicar diferentes perfiles de nutrientes.
Los hallazgos, publicados enTecnología agrícola inteligente, fueron producidos en colaboración con el Servicio de Investigación Agrícola del Departamento de Agricultura de los Estados Unidos. El trabajo refleja un impulso más amplio dentro de la agricultura de precisión para integrar la detección remota, la IA y la gestión de insumos específicos para mejorar la eficiencia y reducir los impactos ambientales.
