Los seres humanos siguen siendo cruciales, ya que el análisis de imágenes de IA para el manejo de plagas y enfermedades de cultivos tiene un largo camino por recorrer

La gestión eficaz de plagas y enfermedades no solo requiere mucho tiempo, como muchos saben, a menudo tiene un precio. Según la Organización de las Naciones Unidas para la Agricultura y la Alimentación, las plagas como los trips y los minadores de hojas, junto con enfermedades como las plagas y el mildiú, cuestan alrededor de 220.000 millones de dólares anuales a la economía mundial, lo que equivale entre el 20% y el 40% de la producción agrícola mundial anual.

Para mejorar la eficiencia de la industria hortícola, las estrategias de manejo de cultivos inevitablemente requerirán técnicas y tecnologías mejoradas. Con los avances tecnológicos en monitoreo ya preparados para transformar el sector, ¿es la inteligencia artificial (IA) la respuesta?

En el desarrollo temprano, la IA promete marcar la diferencia, pero ¿sucederá esto en la práctica? Esta es la opinión de un agricultor sobre por qué los productores no deberían apresurarse a reemplazar completamente sus procesos existentes con drones y robots.

Cuando la IA se encuentra con la horticultura – un comienzo prometedor

A medida que crece el potencial de la IA, los desarrolladores ponen su mirada en la horticultura con la creencia de que el análisis de imágenes impulsado por IA puede automatizar las operaciones de gestión de cultivos, pero ¿ya estamos en esta etapa?

Los desarrollos recientes incluyen un «robot explorador» equipado con cámaras de imagen de infrarrojo cercano para detectar el mildiú polvoroso y análisis de imágenes para predecir los rendimientos de yemas y flores, y el robot IRIS Scout. Con el último sistema de monitoreo remoto de plagas que utiliza aprendizaje automático (ML), los productores pueden recibir análisis de imágenes de trampas de feromonas, algo crucial para las estrategias de intervención en tiempo real.

Los casos más extendidos promueven el uso de aplicaciones de teléfonos inteligentes para escanear fotos en busca de plagas y enfermedades, que a menudo se presentan como o casi listas para su uso en horario de máxima audiencia. Entonces, ¿los productores que utilizan el análisis de imágenes de teléfonos inteligentes para identificar plagas y enfermedades en los cultivos no pueden estar muy lejos?

Una imagen rosada en desacuerdo con la realidad

Tal como está, los estudios sugieren que el análisis de imágenes no cumple sus promesas. Según un artículo reciente de Scientific American, la eficacia de las estadísticas de análisis de imágenes suele ser, en el mejor de los casos, engañosa. La «prueba de emparejamiento» más común, que evalúa la capacidad de comparar dos imágenes de plantas y determinar cuál tiene la plaga o enfermedad, brinda más precisión que el análisis de múltiples imágenes sin información sobre si alguna tiene la plaga o enfermedad.

… Con el desafío adicional de los falsos positivos

El problema del falso positivo es toda la evidencia necesaria para advertir contra el uso de resultados imprecisos o sesgados generados por IA como base para el uso de pesticidas potencialmente dañinos.

Considere un sistema de imágenes que dé una lectura falsa positiva del cinco por ciento para la plaga, una cifra conservadora, incluso según las afirmaciones actuales de precisión de la aplicación. En un campo lleno de tizón, esto no plantearía un problema, pero en un campo con cero ocurrencias de tizón, surge una historia ligeramente diferente. Si toma 2.000 imágenes en ese campo, la cantidad de puntos de observación que administra un monitor experto por día, obtendrá 100 resultados positivos.

Luego debe decidir si actuar o inspeccionar las ubicaciones «positivas» para verificar si están realmente afectadas. Multiplique esto por otras plagas y enfermedades que el sistema de análisis de imágenes está comprobando, con quizás una tasa de falsos positivos aún mayor, y los resultados hablan por sí mismos. Cuanto mayor sea el número de falsos positivos, más recursos se requieren para verificar los resultados y se pierden todas las ganancias de automatización.

Hombre vs máquina – una comparación desigual

El contexto no debe perderse. Los estudios que comparan escenarios donde hay IA o ninguna tecnología de monitoreo de cultivos, no pintan una imagen realista porque, en algunos casos, ya existe un sistema que registra y analiza de manera efectiva los datos recopilados por los monitores. En un entorno de invernadero, un monitor puede mover la cabeza, voltear las hojas y usar una lupa, lo que brinda una visión significativamente mejor del problema que el análisis de imágenes de un teléfono inteligente.

Mejore las habilidades de su equipo con el apoyo de tecnologías móviles

Ahora no es el momento de reemplazar a los monitores con IA. En cambio, los productores deberían centrarse en apoyar y mejorar las capacidades humanas. Las herramientas digitales adecuadas deberían ayudar a los monitores a trabajar con mayor precisión, rapidez y mejores resultados, sin ignorar su experiencia.

Los teléfonos inteligentes seguirán siendo clave, pero no principalmente como una herramienta de inteligencia artificial. Una aplicación más realista y probada es la recopilación y el mapeo de datos. Los administradores de protección de cultivos deben capacitar a los monitores para que utilicen sus habilidades de inspección y registren los resultados a medida que avanzan, creando una gran cantidad de datos precisos para la comparación.

Aquí es donde el entrenamiento efectivo marca la diferencia. La correcta identificación y puntuación de plagas y enfermedades, el conocimiento exhaustivo del protocolo de muestreo y las técnicas para acelerar el proceso armonizan el desempeño y la precisión de los monitores en toda la granja y son clave para el éxito.

La IA puede guiar a los monitores hacia la identificación correcta de plagas o enfermedades desconocidas, pero la mayoría de la inspeccion de cultivos se trata de rastrear la distribución dinámica de un conjunto bien conocido de plagas y enfermedades.

Trabajando juntos, no separados – las tecnologías digitales pueden ofrecer nuevos conocimientos

Al combinar los datos registrados por los monitores con información geográfica, los resultados crean conjuntos de datos que proporcionan una pista de auditoría para las opciones de seguimiento y visualización, como mapas digitales, cuadros y gráficos. Estos resultan invaluables para una fácil identificación de problemas y patrones únicos y recurrentes con pocos falsos positivos, si es que hay alguno.

El mapeo digital combina el rastreo de plagas y enfermedades con la experiencia humana para optimizar los resultados. Scarab Solutions ve esto a diario, ya que los clientes utilizan las soluciones de rastreo y mapeo de plagas y enfermedades de  Scarab Precision para proporcionar una base sólida para localizar puntos críticos de infestación, determinar el uso correcto de plaguicidas y reducir las pérdidas de cultivos a través de una mejor gestión agrícola.

A medida que crecen los conjuntos de datos, los administradores de protección de cultivos pueden comparar sus progresos con las cifras regionales, utilizando datos anónimos de otras agrícolas.

La IA puede esperar –  los humanos siguen siendo el producto más vital

Un tema de conversación de la industria, el análisis de imágenes impulsado por IA todavía tiene un largo camino por recorrer. Por ahora, el rastreo por GPS, la recopilación de datos móviles y las herramientas de interpretación son las soluciones tecnológicas más eficaces y lucrativas para el manejo de plagas y enfermedades de cultivos. No hay duda de que la IA puede ser un activo real para ampliar la inteligencia humana y permitir una realización de tareas más eficiente, pero dejemos el análisis de imágenes impulsado por IA en drones y robots para otro momento.

El Dr. Mikkel Grum es Director de Investigación y Desarrollo en Scarab Solutions