Autonomación, automatización, inteligencia artificial e industria-agricultura 5.0 en la producción agroecológica sostenible de alimentos
A través de la indagación de cuestiones como la detección precoz de plagas y enfermedades, el uso de maquinarias autónomas y de los cultivos automatizados de invernadero, el trabajo da cuenta del escenario actual y de las alternativas posibles que pueden implementarse en la producción agrícola.
| Por Pinar Demircioglu, Ismail Bogrekci, Numan M. Durakbasa y Jorge Bauer |
En una época caracterizada por los acuciantes retos que plantean el crecimiento de la población mundial, el cambio climático y la degradación del medio ambiente, la industria agrícola se encuentra en una encrucijada. El imperativo de producir alimentos de forma sostenible, garantizando la alimentación de miles de millones de personas al tiempo que se salvaguarda el planeta, nunca ha sido más urgente. En este contexto crítico, la convergencia de tecnologías avanzadas —autonomación, automatización, inteligencia artificial (IA) y la aparición de la industria-agrícola 5.0 (IA5.0)— ofrece una luz de esperanza e innovación. La autonomía potencia la agricultura de precisión a través de UAV y UGV (vehículos aéreos y terrestres no tripulados) impulsados por IA, lo que permite la recopilación de datos en tiempo real y la toma de decisiones informadas. La automatización agiliza las operaciones agrícolas, reduciendo los residuos y mejorando la cadena de suministro agroalimentario. La IA procesa grandes conjuntos de datos, lo que facilita la detección precoz de enfermedades y optimiza el uso de los recursos. La IA5.0 hace hincapié en la colaboración hombre-máquina y en el intercambio de conocimientos, fomentando prácticas sostenibles.
Este estudio se inicia para examinar la convergencia de estas fuerzas transformadoras en el ámbito de la producción agroecológica sostenible de alimentos. A medida que la población mundial sigue creciendo, impone exigencias sin parangón a la producción de alimentos, añadiendo presión a unos recursos ya de por sí al límite. Al mismo tiempo, el cambio climático altera las prácticas agrícolas convencionales, provocando patrones meteorológicos variables, cambios en las estaciones de crecimiento y mayores riesgos para el rendimiento de los cultivos. La degradación del medio ambiente, consecuencia de los métodos de agricultura intensiva con agroquímicos y modificación genética, amenaza los ecosistemas y la biodiversidad y en algún aspecto también la alimentación sana. En este contexto, se hace evidente la necesidad de una agricultura sostenible. Los principios de la IA5.0 subrayan la importancia de una colaboración armoniosa entre las personas y las máquinas. Esta visión fomenta un sistema global e interconectado en el que coexisten los seres humanos y las máquinas inteligentes, utilizando al máximo sus puntos fuertes. Esta relación mutua tiene el potencial de maximizar la productividad agrícola al tiempo que minimiza su huella medioambiental. Para lograr este objetivo se abordan varios aspectos de la producción agrícola como: la detección precoz de plagas y enfermedades, uso de maquinaria autónoma y cultivos automatizados de invernadero.
Detección precoz de plagas y enfermedades
La agricultura es la base de nuestra civilización y proporciona sustento a miles de millones de personas en todo el mundo. Sin embargo, esta industria vital se enfrenta a toda una serie de retos, como la persistente amenaza que suponen las plagas y las enfermedades. La detección temprana de estos problemas es fundamental para evitar la pérdida de cosechas, mantener la calidad de los alimentos y promover prácticas agrícolas sostenibles.
Mediante una simple cámara web y redes neuronales convolucionales (CNNs) con procesamiento en la nube como servicio, se puede lograr avances muy significativos en ese aspecto. La red neuronal convolucional es un tipo de red neuronal artificial inspirada en modelos de funcionamiento de la corteza visual primaria del cerebro biológico de las personas. Como su procesamiento se realiza en matrices de dos dimensiones, entre otras aplicaciones, son muy efectivas para realizar tareas de visión artificial y en la clasificación y segmentación de imágenes. En este caso, las imágenes de los cultivos que envía una cámara web simple, en distintos períodos de tiempo, se procesan en la nube con el sistema de redes neuronales convolucionales (la nube admite una capacidad de procesamiento muy superior a una computadora) y así se permite detectar los cambios en las imágenes que indican la existencia de plagas y/o enfermedades en esos cultivos.
A continuación, en esta sección, se explora este enfoque innovador para la detección temprana de plagas y enfermedades en los cultivos.
A. Necesidad de detección temprana
Las plagas y enfermedades han supuesto siempre una amenaza persistente para la agricultura, capaz de diseminarse rápidamente por los cultivos, provocando cuantiosas pérdidas económicas. Además, tienen el potencial de socavar la seguridad y la calidad de los alimentos. Históricamente, los agricultores han dependido de las inspecciones manuales, un proceso que requiere mucha mano de obra y que a menudo se inicia demasiado tarde para evitar infestaciones extensas. En consecuencia, existe una demanda creciente de sistemas automatizados, puntuales y precisos de detección de plagas y enfermedades.
B. El papel de las cámaras web sencillas
En este enfoque, una de las innovaciones clave es la utilización de cámaras web básicas. Estos dispositivos, económicos y fáciles de conseguir, pueden incorporarse sin esfuerzo a las configuraciones agrícolas. Mediante la colocación estratégica de webcams en campos o invernaderos, los agricultores pueden captar imágenes en tiempo real de los cultivos. Posteriormente, estas imágenes se transmiten a un sistema central de procesamiento. Contribuyen a una mejor gestión de los cultivos, a la detección precoz de problemas y a la toma de decisiones basada en datos, apoyando en última instancia unas prácticas agrícolas más eficientes y sostenibles.
C. Procesamiento en la nube como servicio
La computación en nube ha supuesto una revolución en el procesamiento y análisis de datos. Con las capacidades de la nube, los agricultores pueden descargar las tareas informáticas intensivas necesarias para el análisis de imágenes basado en CNN. Los servicios de procesamiento en la nube, proporcionados como un servicio, permiten el reconocimiento de imágenes en tiempo real, facilitando la detección rápida y precisa de plagas y enfermedades. Además, permiten el almacenamiento, la recuperación y el análisis de datos, ofreciendo información valiosa para la toma de decisiones.
D. Implementación y ventajas
La implementación de este sistema implica la instalación de cámaras web, el establecimiento de una infraestructura fiable de transmisión de datos y el empleo de modelos CNN basados en la nube. Las ventajas son múltiples:
1) Detección temprana: el sistema puede detectar brotes de plagas y enfermedades en sus fases más tempranas, lo que permite una intervención precoz y fundamentalmente evitar que se disperse en terrenos propios y de agricultores aledaños.
2) Precisión: las CNN pueden diferenciar entre varios tipos de problemas, lo que permite un tratamiento específico.
3) Rentabilidad: el uso de cámaras web sencillas hace que este enfoque sea rentable y accesible para los pequeños agricultores.
4) Toma de decisiones basada en datos: el sistema de procesamiento en la nube genera información basada en datos que ayuda a optimizar las prácticas agrícolas.
5) Sostenibilidad: al permitir reducir la necesidad de pesticidas en una primera etapa y eliminarlos en un esquema desarrollado logra minimizar las pérdidas de cosechas, este sistema promueve la agricultura sostenible y generar alimentos de mejor calidad evitando la toxicidad de los pesticidas.
E. Retos y consideraciones
Aunque prometedor, este enfoque presenta varios retos. Garantizar una cobertura coherente de las cámaras web, gestionar grandes volúmenes de datos de imágenes y abordar los problemas de privacidad y seguridad son algunas de las principales consideraciones. Como se puede apreciar no son problemas tecnológicos sino temas de organización y de capital, es decir, en el estado actual del conocimiento básicamente problemáticas económico sociales.
Para permitir la detección precoz de plagas y enfermedades utilizando una webcam básica, es imprescindible establecer parámetros relevantes relativos al proceso de detección y a los resultados obtenidos. Estos parámetros deben definir la duración de la relevancia de los datos, abarcando uno o más años. Del mismo modo, los indicadores clave asociados a la producción agroecológica de alimentos y a la agricultura, como el rendimiento de los cultivos, el uso de la tierra, el consumo de agua, las emisiones de gases de efecto invernadero y otros, necesitan definiciones precisas. Además, es esencial identificar las regiones o ubicaciones geográficas para las que se dispone de datos, ya sean mundiales, nacionales, regionales o específicas. Es crucial proporcionar los valores reales de los datos, incluidos los valores numéricos y las unidades (por ejemplo, toneladas métricas, hectáreas, litros, porcentaje), para cada combinación de año, indicador y región, según sea necesario.
La detección precoz de plagas y enfermedades reviste una importancia capital para la sostenibilidad y productividad de la industria agrícola. La utilización de cámaras web básicas junto con CNN avanzadas con procesamiento en la nube como servicio ofrece una potente solución. Al adoptar esta tecnología, los agricultores pueden reforzar sus defensas contra las amenazas agrícolas, allanando el camino para un futuro agrícola más resistente y eficiente.
Uso de máquinas autónomas
A medida que aumenta la demanda de supervisión y vigilancia eficaces en diversos entornos, como instalaciones industriales y espacios públicos, la adopción de la tecnología de vehículos aéreos no tripulados (UAV) térmicos ha suscitado una gran atención. Las imágenes térmicas (Fig. 1) se integran con frecuencia en drones agrícolas, proporcionando una perspectiva aérea de los campos y el ganado. Los drones equipados con cámaras térmicas facilitan la vigilancia rápida y exhaustiva de extensas zonas agrícolas. Con el continuo avance de la tecnología de imágenes térmicas, sus aplicaciones en la agricultura se están ampliando. Estas aplicaciones pueden liberar el potencial de esta tecnología para tomar decisiones bien informadas, mejorar la productividad y promover prácticas agrícolas sostenibles.
Figura 1. Mediciones térmicas y sus resultados en viñedos
Tanto los UAV como los UGV (vehículos terrestres no tripulados) forman parte de la creciente tendencia de la agricultura inteligente (Fig. 2). Estos vehículos no tripulados tienen el potencial de aumentar la eficiencia, reducir los costos y promover la sostenibilidad en la agricultura. En la Tabla 1 se comparan los usos de UAVs y UGVs en la agricultura.
Figura 2. UAV y UGV en la agricultura
Tabla I. Comparación entre los UAV y los UGV
La idoneidad de los UAV o los UGV en agricultura depende de los requisitos específicos de la explotación, del tamaño de esta y del tipo de cultivos o ganado que se gestione. Ambos sistemas tienen sus ventajas y pueden complementarse en una estrategia integral de agricultura inteligente. Los modelos de aprendizaje automático desempeñan un papel fundamental en la modernización de la agricultura al ofrecer soluciones innovadoras para diversos retos de los agroecosistemas. Estos modelos utilizan datos para mejorar la gestión de los cultivos, la asignación de recursos y la sostenibilidad; al recopilar, transformar y procesar los datos de los sensores de la línea de producción de una instalación real de producción de alimentos. El objetivo es aumentar la eficiencia, la productividad y la calidad, además de mejorar la utilización de los activos mediante una gestión optimizada de los recursos y la reducción de los residuos. Los resultados se presentan a través de aplicaciones web de visualización de datos en tiempo real, ofreciendo supervisión por el usuario, cuyo objetivo es proporcionar confiabilidad y calidad en el proceso de producción. En última instancia, la integración de estas tecnologías y metodologías avanzadas es un paso transformador en la industria de producción.
Cultivos en invernadero
El cultivo en invernadero ha demostrado su capacidad para obtener productos de calidad excepcional, prolongar las temporadas de cultivo en condiciones difíciles, aumentando no solo calidad sino también cantidad. Además, es importante tener en cuenta los métodos de cultivo sin suelo, como la hidroponía o la aeroponía, que, a pesar de años de investigación y desarrollo, siguen siendo prácticas agrícolas infrautilizadas. Con estos métodos se busca cultivar sin tener que preocuparse por el exceso de fertilización, el uso de pesticidas, las limitaciones del suelo y climáticas, etc. Proporcionan multitud de ventajas, como una mayor eficiencia hídrica, un aumento de la producción en un área más pequeña, una reducción del impacto ambiental gracias a una importante reducción de los agroquímicos y los fertilizantes sintéticos, una minimización de los residuos de fertilizantes, posibilidades de manipulación automatizada, ahorro de costos laborales, ahorro en el uso de sustratos, mayores beneficios con menores inversiones, menor supervisión del personal humano, mayor eficiencia del sistema de producción, logística racionalizada y otras ventajas suplementarias.
Experiencias reales
Diversas regiones del planeta han sido escenarios de experiencias tangibles relacionadas con la optimización tecnológica de la producción de cultivos, demostrando distintos niveles de integración. Curiosamente, estas experiencias no se limitan a las naciones tecnológicamente avanzadas, sino que también abarcan países en desarrollo y regiones con una dependencia histórica de los métodos tradicionales de producción de alimentos. A pesar del avance constante de tecnologías como la autonomación (jidoca), la automatización y la IA, su contribución actual a la producción global de alimentos sigue siendo relativamente modesta. Un ejemplo digno de mención es la planta de “arroz híbrido” de China, promovida por el prestigioso científico Yuan Longping. Esta innovación revolucionaria abordó con eficacia los problemas recurrentes de la sequía y podría decirse que desempeñó un papel fundamental en la configuración de la China moderna. Otro ejemplo es el desarrollo de la siembra directa de soja en la Argentina; pionera mundial en la agricultura sin arado, introdujo este sistema hace más de cuatro décadas en Córdoba. Las prácticas argentinas de siembra directa incorporan maquinaria mecatrónica y robótica de última generación, que no solo fomenta la salud del suelo frenando la erosión, sino que también mejora el contenido de materia orgánica. Sin embargo, persiste un reto importante. Si comparamos los casos de China y Argentina, ambos han multiplicado aproximadamente por 5 la producción de alimentos en unas pocas décadas. Pero Argentina aun en su condición de gran productor mundial de alimentos y una población aproximada de 50 millones de habitantes, se enfrenta a que 20 millones de sus ciudadanos padecen inseguridad alimentaria. En cambio, China ha erradicado las hambrunas recurrentes y transformó el nivel de vida de millones de personas.
Aunque la búsqueda de una mayor cantidad y calidad de alimentos sigue estando en primer plano, es imperativo reconocer que la producción de alimentos no solo sirve como fin en sí misma, sino también como medio fundamental para alcanzar objetivos más amplios. Esta perspectiva se alinea con un enfoque transdisciplinar y ético, que constituye el eje central de este estudio.
La distribución de esos amplios recursos generados por el incremento de la productividad se puede materializar de distintas formas. En la Argentina se incrementa la desigual distribución “alimentando” el capital financiero internacional en detrimento del nivel de vida de la población.
Casos
Se presentan dos casos como ejemplo de experiencias rentables implementadas en el país, remarcando que la formación de recursos humanos en estas tecnologías permite su implementación costo efectiva.
Caso 1
https://www.youtube.com/watch?v=CNhDNV3Tgls
Caso 2
https://www.youtube.com/watch?v=axcMA0yc-is&t=6s
Propuestas y retos
Hay que considerar aspectos sociales, económicos, logísticos y éticos. Sin embargo, un aspecto que consideramos crucial es, como siempre, “la educación transdisciplinar en la materia”. Por ello, y con este propósito, proponemos la creación de laboratorios de experimentación y formación en Industria 5.0 aplicada a la producción de alimentos, denominados “Agrología 5.0”. Estos invernaderos, similares a las plantas piloto de Industria 4.0 que universidades de renombre tienen desde hace años (por ejemplo, TU-Wien), pueden construirse con facilidad. Esto se logra mediante la implementación incremental de la hidroponía, la automatización, la IA autónoma y otras tecnologías, requieren menos capital en comparación con una fábrica piloto de Industria 4.0.
Simultáneamente, sugerimos fomentar una red de telepresencia, telecontrol remoto, ingeniería cooperativa y concurrente en la que participen estudiantes de diversos niveles y ubicaciones dentro de la comunidad global. Estos estudiantes representan no solo la generación objetivo, sino también la generación responsable de hacer avanzar esta fase de la agricultura en el desarrollo de la humanidad. En particular, proponemos experimentos potenciales centrados en laboratorios de invernadero para el cultivo de frutillas. Esta elección está motivada por varios factores:
A. Argentina y Turquía (países de nacimiento del equipo de autores de este trabajo) son importantes productores y exportadores de frutillas.
B. Son plantas robustas con reglas de cultivo relativamente sencillas aplicables en toda la comunidad mundial.
C. Las instalaciones de cultivo pueden variar desde las de pequeña escala hasta las fábricas a gran escala.
D. Las frutillas son aceptadas en diversas formas: frescas, liofilizadas, postres, mermeladas, etc.
Conclusiones
A lo largo del artículo desarrollamos con ejemplos cómo la convergencia de la autonomía, la automatización, la IA y la Industria-Agrícola 5.0 representan una fuerza transformadora en la producción agroecológica sostenible de alimentos, que promete soluciones a retos acuciantes. La autonomía potencia la agricultura de precisión a través de UAV y UGV impulsados por IA, lo que permite la recopilación de datos en tiempo real y la toma de decisiones informadas. La automatización agiliza las operaciones agrícolas, reduciendo los residuos y mejorando la cadena de suministro agroalimentario. La IA procesa grandes conjuntos de datos, lo que facilita la detección precoz de enfermedades y optimiza el uso de los recursos. La IA5.0 hace hincapié en la colaboración hombre-máquina y en el intercambio de conocimientos, fomentando prácticas sostenibles.
Esta evolución aborda la seguridad alimentaria mundial y la preservación de los recursos, pero persisten retos como la accesibilidad para todos los agricultores, la interoperabilidad, la privacidad de los datos y las consideraciones éticas. La inversión en investigación, desarrollo y educación es crucial para un despliegue responsable.
En resumen, la fusión de estas tecnologías ofrece soluciones tangibles para una agricultura sostenible, fomentando la armonía ecológica y el bienestar mundial, al tiempo que hace hincapié en la colaboración, la innovación y la sostenibilidad como principios básicos.
Autorxs
Pinar Demircioglu:
Doctora por la Aydın Adnan Menderes Üniversitesi (Turquía). Post-Doctora por la Technische Universität Wien (Austria). Profesora visitante de la Technische Universität München (Alemania).
Ismail Bogrekci:
Profesor de la Aydın Adnan Menderes Üniversitesi (Turquía). Doctor por la Cranfield University (Reino Unido). Post-Doctor en la University of Florida (Estados Unidos de Norteamérica).
Numan M. Durakbasa:
Profesor y Doctor por la Technische Universität Wien (Austria).
Jorge Bauer:
Ingeniero Mecánico de la Universidad Tecnológica Nacional. Doctor por la Technische Universität Wien (Austria). Post-Doctor de la University Graz (Austria).