Según un equipo de investigación interdisciplinario en Penn State, los sistemas de cultivo de Soilss Soils en los invernaderos, conocidos como agricultura del medio ambiente controlado, prometen avanzar en la producción durante todo el año de cultivos especializados de alta calidad, según un equipo de investigación interdisciplinario en Penn State. Pero para ser competitivos y sostenibles, este método de agricultura avanzada requerirá el desarrollo e implementación de técnicas agrícolas de precisión. Para satisfacer esa demanda, el equipo desarrolló un sistema automatizado de monitoreo de cultivos capaz de proporcionar datos continuos y frecuentes sobre el crecimiento y las necesidades de las plantas, lo que permite la gestión informada de los cultivos.
“Tradicionalmente, el monitoreo de cultivos en el entorno controlado Agricultura Soilless Techniques es una tarea crítica y que requiere mucho tiempo que requiere private especializado”, dijo el equipo Lengthy HE, profesor asociado de ingeniería agrícola y biológica. “Y los métodos tradicionales de monitoreo de cultivos no permiten la recopilación de datos frecuentes para capturar la dinámica del crecimiento de las plantas a lo largo del ciclo de cultivos. Los sistemas automatizados de monitoreo de cultivos permiten el monitoreo continuo de las plantas con una recolección de datos frecuente y un manejo más eficiente e informado del cultivo”.
En los resultados publicados en Computadoras y electrónica en la agriculturalos investigadores informaron que un “Web de las cosas” integrado, la inteligencia synthetic (IA) y un sistema de visión por computadora adaptado para los sistemas de cultivo de la agricultura del entorno controlado, lo que permite el monitoreo continuo y el análisis del crecimiento de las plantas durante todo el ciclo de cultivo. Un Web de las cosas, a menudo denominado IoT, es una crimson de objetos físicos que pueden conectar e intercambiar datos a través de Web, vinculando dispositivos integrados con sensores, software program y otras tecnologías.
Según el equipo, la innovación central de su investigación es la implementación, por primera vez, de un modelo de segmentación de imágenes recursivo que procesa imágenes secuenciales, capturadas en alta resolución a intervalos de tiempo predeterminados, para rastrear con precisión los cambios en el crecimiento de las plantas. En el estudio, los investigadores probaron su enfoque al monitorear a Child Bok Choy, un vegetal frondoso comúnmente llamado repollo chino, pero los investigadores dijeron que funcionaría con muchos cultivos diferentes.
Es un grupo de investigación en la Facultad de Ciencias Agrícolas, ubicado en el Centro de Investigación y Extensión de Fruites de Penn State en Biglerville, se ha centrado en la agricultura automatizada de precisión durante más de una década, diseñando soluciones robóticas para aplicaciones agrícolas como la recolección de cultivos, la poda de árboles, el adelgazamiento de la fruta verde, la polinización, la calefacción de orcarrios, la pulverización de la plegica y la riego. El sistema de visión synthetic empleada en esta investigación es un avance de la tecnología que el grupo desarrolló para otros fines en estudios anteriores.
En este estudio, el sistema integrado de visión synthetic aisló con éxito las plantas individuales de Bok Bok Choy que crecen en un sistema de soilless, produciendo imágenes frecuentes que rastrearon el aumento del área de cobertura de las hojas durante su ciclo de crecimiento. Los investigadores dijeron que el modelo recursivo mantuvo un “rendimiento robusto”, proporcionando información precisa durante todo el ciclo de crecimiento de los cultivos.
Acreditó a Chenchen Kang, un erudito postdoctoral en su laboratorio y primer autor en el estudio, por proporcionar la innovación y el trabajo duro necesarios para “enseñar” el sistema de visión por computadora para rastrear el crecimiento de las plantas.
“Chenchen instaló los sensores, recopiló y procesó los datos, desarrolló la metodología e realizó el trabajo de codificación y programación con los modelos de IA”, dijo.
La investigación fue un proyecto interdisciplinario entre ingenieros agrícolas y científicos vegetales, y es parte de un proyecto federal más grande titulado, “Avance de la sostenibilidad de los sistemas agrícolas urbanos cubiertos”. Francesco Di Gioia, profesor asociado de ciencia de cultivos vegetales e investigador principal del proyecto common, enfatizó la importancia de integrar diferentes experiencia para el desarrollo de soluciones agrícolas de precisión. Sugirió que el enfoque interdisciplinario será cada vez más crítico para avanzar en la eficiencia y la sostenibilidad a largo plazo de los sistemas agrícolas de entorno controlado precise.
“La capacidad de monitorear y recopilar automáticamente datos sobre el estado del cultivo, estimar el crecimiento de las plantas y los requisitos de los cultivos junto con el monitoreo de la solución nutritiva y de los factores ambientales (radiación, temperatura y humedad relativa) combinados con el uso de tecnologías IoT y IA, revolucionará la forma en que manejamos los cultivos”, dijo Di Gioia. “Minimizar las ineficiencias y mejorar la competitividad de los sistemas agrícolas de entorno controlado mejorará nuestra seguridad alimentaria y nutricional”.
En el futuro, agregó Di Gioia, la integración de las tecnologías agrícolas de precisión en los sistemas agrícolas de entorno controlado también puede ofrecer la oportunidad de mejorar la calidad de los cultivos especializados e incluso adaptar su perfil nutricional.
Xinyang Mu, quien se graduó con un doctorado en ingeniería agrícola y biológica de Penn State y actualmente es académico postdoctoral en la Universidad Estatal de Michigan, y Aline Novoki Sefrin, candidato a doctorado en ciencias de las plantas, contribuyó al estudio.
El Departamento de Agricultura de Pensilvania y el Instituto Nacional de Alimentos y Agricultura del Departamento de Agricultura de los Estados Unidos financiaron este trabajo.
