*Investigaciones sustituyen prácticas tradicionales basadas en la experiencia aislada por drones aplicados a la agricultura y sistemas inteligentes entrenados con datos locales

Estudiantes del programa de posgrado en Ingeniería Agrícola y Uso Integral del Agua (IAUIA), de la Universidad Autónoma Chapingo (UACh), desarrollan tecnologías que colocan a Chapingo a la vanguardia de los drones aplicados a la agricultura, a través de una serie de proyectos que apuestan por tecnología diseñada, entrenada, validada y adaptada a las condiciones agroecológicas del país, lo que podría cambiar la forma de producir alimentos en México.

Dichas investigaciones se realizan bajo la dirección del Dr. Gilberto de Jesús López Canteñs, profesor-investigador del posgrado IAUIA y miembro del Sistema Nacional de Investigadoras e Investigadores (SNII), Nivel I, quien asesora estudios en agricultura de precisión, particularmente en el uso de Sistemas de Aeronaves Pilotadas a Distancia (RPAS), sensores e inteligencia artificial, con aplicaciones directas para el monitoreo, análisis multiespectral, la planeación productiva y la gestión sustentable de los cultivos.

De acuerdo con el también Ingeniero en Riego y Drenaje por la Universidad Agraria de La Habana, Cuba, en agricultura de precisión, los drones funcionan como plataformas de adquisición de datos; el conocimiento emerge cuando modelos de aprendizaje automático analizan esas imágenes para estimar fenotipos, biomasa y estrés hídrico, redefiniendo la toma de decisiones en el campo.

En conjunto, las investigaciones que a continuación se presentan reflejan el compromiso de la Universidad Autónoma Chapingo con la formación de especialistas capaces de integrar ingeniería, datos e inteligencia artificial para enfrentar los desafíos actuales del sector agroalimentario.

A través de la tesis “Conteo automático de olivos mediante morfología matemática con imágenes adquiridas por sistema aéreo tripulado remotamente”, el alumno Ricardo Sarabia López propone una metodología para la detección automatizada y conteo de olivos a partir de imágenes multiespectrales de alta resolución, adquiridas por imágenes aéreas. Así, el conteo de olivos deja de depender de prácticas lentas y propensas al error, apostando a sistemas inteligentes entrenados con datos locales.

En su caso, Juan José Pérez Paredes diseñó y evaluó un sistema de aeronave pilotada a distancia tipo cuadricóptero, basado en software y hardware abierto, capaz de realizar vuelos autónomos para levantamientos topográficos agrícolas. El prototipo propuesto en la tesis “Desarrollo de sistema de aeronave pilotada a distancia y aplicación para levantamiento topográfico agrícola” mostró alta estabilidad y precisión, con errores de apenas centímetros al compararse con levantamientos GPS.

En un segundo trabajo: Juan José Pérez Paredes, también autor de la tesis “Determinación del estado hídrico del maíz mediante modelos de aprendizaje automático y superresolución en imágenes térmicas”, rompe con la práctica histórica de regar por calendario o por intuición. A través de imágenes térmicas y modelos de aprendizaje automático, los datos del dron revelan el estado hídrico real del maíz, mostrando dónde la planta sufre estrés y dónde no.

Otra de las soluciones sugiere que el manejo del agave deje de ser aproximado y se vuelva preciso. En la tesis “Detección y conteo de plantas de agave mediante aprendizaje profundo en imágenes obtenidas por RPAS”, Juan Espinoza Hernández logró la detección y conteo automatizado de plantas de agave a partir de imágenes aéreas RGB, entrenando modelos con datos de precisión cercanos al 100% en distintas alturas de vuelo. Además del conteo, el sistema permitió estimar distancias entre plantas y detectar espacios vacíos en las plantaciones.

En su propuesta “Densidad de plantas de maíz en presencia de maleza con redes neuronales profundas”, el tesista Canek Mota Delfín abordó la detección y conteo de plantas de maíz en presencia de maleza, evaluando distintos modelos de redes neuronales profundas. Su trabajo demuestra que, incluso en escenarios difíciles, es posible obtener estimaciones confiables de densidad poblacional, información directamente relacionada con el rendimiento del cultivo. El estudio rompe así la idea de que la tecnología solo funciona en parcelas “perfectas” y se valida su uso en el contexto real del campo mexicano.

Por su parte, Francisco Muñoz Bustos, autor de la tesis “Estimación de biomasa de maíz forrajero a partir de imágenes de drones y aprendizaje profundo”, desarrolló un modelo para la estimación de biomasa de maíz forrajero a partir de imágenes multiespectrales captadas por drones y una red neuronal artificial. El modelo alcanzó un coeficiente de determinación de 92.9%, permitiendo estimar la cantidad de materia verde de manera no destructiva y eficiente.

Finalmente, Carlos Martínez Nicolás automatiza la detección de floración en piña, un proceso que históricamente dependía de la inspección visual. A través de la tesis “Detección automatizada de florescencia en piña (Ananas comosus) mediante la combinación de aprendizaje profundo y tecnología de drones”, el alumno aplica la toma de datos el dron en modelos de aprendizaje profundo, identifica con alta precisión el momento exacto de la floración, información crítica para programar la cosecha.

Los alumnos del Dr. López Canteñs forman parte de una gran comunidad de jóvenes científicos que la Universidad Autónoma Chapingo, forma a través del posgrado IAUIA como expertos en el campo de la ingeniería agrícola y el uso integral del agua, en áreas clave como la mecanización agrícola, el uso integral del agua y los biosistemas.