Control de calidad de imágenes para identificación de adversidades en cultivos agrícolas extensivos procesadas con inteligencia artificial

Abstract

El trabajo final de carrera para obtener el título de ingeniero agrónomo de la Facultad de Ciencias Agrarias y Forestales de la UNLP se realizó bajo la modalidad de práctica profesional. Las actividades realizadas se enmarcaron en un trabajo temporario en la empresa “Taranis”, que se realizó de manera manera remota con la cooperación de profesionales radicados en distintas partes del mundo. La empresa “Taranis” se desempeña en el área de agricultura de precisión, brindando servicios de monitoreo de cultivos a distancia a imágenes de drones y algoritmos entrenados por inteligencia artificial, específicamente mediante el uso de deep learning. Las actividades realizadas consistieron en el procesamiento de imágenes cenitales de cultivos extensivos con el objetivo de evaluar el acierto del algoritmo de la empresa para la detección de adversidades bióticas como malezas, insectos y enfermedades. Además, se realizaron tareas de entrenamiento del algoritmo, donde se manifestaron oportunidades de mejora para la detección de elementos que aún no se consideraban. Durante el procesamiento se logró integrar contenidos desarrollados durante la carrera de agronomía, principalmente aquellos obtenidos en el curso de morfología vegetal, sistemática vegetal, fitopatología, cerealicultura, cultivos regionales y oleaginosas, entre otros. Este trabajo permitió valorar la importancia de la tecnología disponible en inteligencia artificial para el seguimiento de los cultivos extensivos y la importancia de su calibración para generar información que permitan tomar decisiones que colaboren con la sustentabilidad de los sistemas productivos.