Especialistas del Instituto Nacional de Tecnología Agropecuaria (INTA) de Catamarca y Marcos Juárez desarrollaron una metodología que combina drones comerciales y algoritmos de aprendizaje automático para identificar malezas en lotes de alfalfa.
Para detectar malezas
Tecnología de precisión: drones y algoritmos para medir la cobertura de alfalfa
Especialistas del INTA Catamarca y Marcos Juárez utilizaron imágenes captadas con un dron comercial y algoritmos de aprendizaje automático para diferenciar la alfalfa de las malezas. El ensayo permitió estimar la superficie ocupada por el cultivo y detectar un lote degradado, mediante una metodología que no requiere cámaras multiespectrales de alto costo.
La herramienta permite estimar la superficie efectivamente ocupada por el cultivo y aportar información para evaluar su estado productivo y definir estrategias de manejo.
El trabajo se enfocó en el uso de cámaras ópticas convencionales, que capturan imágenes en los colores rojo, verde y azul (RGB), junto con técnicas de clasificación supervisada. De esta manera, los investigadores buscaron ofrecer una alternativa accesible frente a los equipos multiespectrales, cuyo costo puede limitar su adopción por parte de productores y asesores.
La tecnología apunta especialmente al diagnóstico de lotes degradados, donde la presencia de malezas reduce la superficie aprovechable y compite con la alfalfa por los recursos disponibles.
El desafío de diferenciar el cultivo de las malezas
La alfalfa es un cultivo forrajero perenne cuya productividad depende, entre otros factores, de mantener una cobertura adecuada y controlar la competencia de otras especies vegetales. Por eso, conocer qué proporción de un lote está ocupada por el cultivo resulta importante para evaluar su viabilidad y determinar si necesita medidas de manejo o una eventual renovación.
Uno de los principales desafíos técnicos aparece en los escenarios conocidos como “verde sobre verde”, cuando la alfalfa y las malezas están en activo crecimiento y presentan características visuales similares. Esta situación dificulta su diferenciación mediante cámaras convencionales, que no registran las bandas infrarrojas utilizadas por algunos sensores especializados.
Laura Cano, especialista del INTA Catamarca y una de las autoras del estudio, explicó que el costo de las cámaras multiespectrales representa una limitación para los productores y asesores de algunas economías regionales.
En ese contexto, el equipo buscó comprobar si un dron comercial y algoritmos de aprendizaje automático, como CatBoost, podían distinguir la cobertura útil de alfalfa incluso cuando las distintas especies vegetales se encontraban en crecimiento activo.
Dos vuelos para evaluar la cobertura del cultivo
La experiencia se realizó en un lote de 3,3 hectáreas ubicado en el Campo Anexo Santa Cruz, perteneciente a la Estación Experimental Agropecuaria Catamarca del INTA.
El ensayo contempló dos vuelos con un dron DJI Air 3S, a una altura de 40 metros. El primero se realizó con la alfalfa y las malezas en crecimiento, mientras que el segundo tuvo lugar 45 días después, tras el corte del cultivo y la senescencia de las malezas. Este segundo relevamiento permitió contar con un escenario de mayor contraste visual para evaluar los resultados.
Las imágenes obtenidas fueron procesadas mediante el algoritmo CatBoost, utilizando herramientas de código abierto como QGIS y WebODM.
Carlos Navarro, técnico del INTA Marcos Juárez, destacó la consistencia de las estimaciones obtenidas en ambos relevamientos. Según detalló, el análisis identificó una cobertura neta de alfalfa del 45,2% en la primera fecha y del 49,1% en la segunda, una diferencia de 3,9 puntos porcentuales.
Los resultados permitieron advertir que menos de la mitad de la superficie evaluada estaba ocupada por alfalfa, un indicador del deterioro del lote y de la necesidad de analizar alternativas de manejo.
Una herramienta para orientar las decisiones agronómicas
El estudio concluyó que la combinación de drones comerciales, cámaras RGB y algoritmos de clasificación supervisada puede convertirse en una alternativa para monitorear cultivos forrajeros y generar alertas tempranas sobre su estado.
Entre sus principales ventajas se encuentra la posibilidad de realizar relevamientos con equipamiento de uso extendido, sin depender necesariamente de sensores especializados de mayor costo. El procesamiento digital de las imágenes también permite obtener estimaciones de cobertura que complementan las evaluaciones visuales realizadas a campo.
La información puede contribuir a decidir si conviene mantener el cultivo, implementar estrategias de control de malezas o planificar la renovación del lote. No obstante, la proporción de cobertura identificada constituye un indicador del estado del alfalfar y debe complementarse con otros datos agronómicos para determinar su productividad y viabilidad económica.
Sobre el Autor
#TEMAS:
