Detectando alternaria con drones

Los drones pueden ayudar a los productores de patatas a detectar alternaria rápidamente. Así lo afirmó Ruben van de Vijver del Instituto de Investigación Agrícola, Pesquera y Alimentaria (ILVO) durante la feria belga de la patata Interpom.

ILVO ha estado experimentando durante algún tiempo con la detección de alternaria con sensores, drones e inteligencia artificial. “Tratamos de brindar al productor más información, una mejor visión general, a través del dron”, dice el investigador. No llegará al punto en que la inteligencia artificial pueda reemplazar por completo la experiencia del productor, agregó.

Etapa temprana

Las manchas de hongos también se pueden detectar rápidamente a través de drones. “Los sensores de los drones ayudan a detectar la enfermedad en el campo lo antes posible”, dice Van de Vijver. “Gracias a la inteligencia artificial, ya se puede ver la enfermedad fúngica en una planta. Eso es mucho más rápido de lo que el cultivador puede ver, por lo general, solo lo ve cuando hay grandes áreas infectadas. Es importante matar la enfermedad una vez que esté en su planta y cuanto antes la contraiga, más podrá limitar su impacto. Gracias a esta detección temprana, el productor puede intervenir de manera efectiva con fumigaciones dirigidas y con un impacto ambiental y financiero limitado ”.

Resultados vía tableta

Gracias a esta tecnología, el agricultor recibe más información y una descripción general de dónde se encuentra la enfermedad en el campo a través de una tableta. La intención es que pueda pulverizar menos y con mayor precisión. “El productor puede saltarse la pulverización o posponerla unos días. Las patatas se rocían entre 10 y 18 veces, según el clima. Si puede posponer una fumigación durante dos días, eso significa una gran ganancia ".

Detección automática de tizón temprano causado por Alternaria solani Esto podría promover una reducción drástica en el consumo de fitosanitarios y las consiguientes pérdidas de producción. Se construyó y calibró una plataforma de detección de proximidad para adquirir imágenes hiperespectrales de alta resolución en el campo, y se utilizó para mapear con precisión las lesiones causadas por Alternaria. Se obtuvieron imágenes de reflectancia de alta resolución del dosel vegetal de 32 plantas de papa infectadas con A. solani y 32 plantas de referencia sanas.

Clasificadores espectrales como análisis discriminante de mínimos cuadrados parciales (PLS-DA) y soporte vector Se probaron máquinas (SVM) basadas en puntuaciones de PCA para discriminar los píxeles afectados y no afectados. Ambos clasificadores espectrales funcionaron bien a nivel de píxeles con precisiones superiores a 0.92. La región NIR (750 nm) se identificó como la parte más discriminativa del espectro para detectar las lesiones. Como la presión de la enfermedad normalmente se expresa como el número de lesiones por área, la precisión también se evaluó en este nivel.

Esto indicó un número considerable de falsas detecciones en los bordes de las hojas y las axilas de las hojas. Por lo tanto, se diseñó un árbol de decisiones basado en el conocimiento experto sobre la forma de las lesiones de Alternaria y se utilizó para posprocesar las imágenes clasificadas. Esto redujo el número de detecciones falsas, aumentando la precisión de 0.17 a 0.22 a expensas de una reducción en la recuperación de 0.88 a 0.84. Esto deja un margen considerable para mejorar la precisión de la clasificación a nivel de objeto. Aprendimos que (1) pocas longitudes de onda amplias son suficientes y (2) el contexto espacial es esencial para la detección de lesiones causadas por la infección por Alternaria.

La aplicación de técnicas de clasificación de objetos más potentes, como las redes neuronales convolucionales, para mejorar el rendimiento del modelo al encapsular de manera eficiente el contexto espacial en el clasificador, podría mejorar aún más el rendimiento de la detección. Esto podría allanar el camino para el mapeo de Alternaria basado en UAV o tractor.

/inteligente