
La Robótica y los Sistemas Autónomos (RAS) pueden revolucionar todos los sectores agrícolas. Su contribución variará en naturaleza, desde cultivos, animales y acuicultura hasta actividades de producción primaria.
Hay muchas maneras en que los robots pueden contribuir a este espectro, tanto económicamente (p. ej., cultivando y cosechando de manera más eficiente y económica), ecológicamente (p. ej., reduciendo y eliminando el uso de productos químicos mientras se asegura la salud del suelo) como éticamente (p. ej., aumentando el bienestar animal a través del monitoreo y intervención rápida).
Paralelamente a esto, la robótica puede permitir la automatización en el cuidado del ganado y la acuicultura y sistemas de cultivo alternativos como la agricultura vertical o los sistemas agroforestales que combinan agricultura y silvicultura en la misma tierra.
Los desafíos tecnológicos en la robótica agrícola se pueden dividir en dos clases: (1) reproducción/fenotipado y (2) agricultura/producción primaria. Los problemas se pueden ilustrar mediante el uso de la agricultura de labranza terrestre convencional como ejemplo agrícola.
fenotipado
Laboratorio
Los rasgos de entrada y las características de salida complementarias (p. ej., conversión de un nutriente en biomasa, vida útil, sabor o cualidades nutricionales) se identifican y eligen tradicionalmente para la genética con componentes abióticos útiles (p. ej., tolerancia a la sequía o a la salinidad) o bióticos (p. ej., resistencia a virus fúngicos o enfermedades bacterianas).
En los últimos años, estas actividades de mejoramiento han experimentado un grado de integración robótica para reducir la dependencia de la intervención manual, pero sus costos y su integridad, y la cuestionable confiabilidad y preparación tecnológica de los sistemas existentes han limitado su uso.
Campo
Aunque la evaluación fenotípica de laboratorio puede ser esencial para identificar líneas de reproducción beneficiosas que se cruzarán, determinar cómo esta planta puede prosperar en condiciones reales es solo un indicador. La robótica abre el potencial de fenotipado masivo directo de cultivos en granjas del mundo real. Dichos sistemas «no de laboratorio» no controlados plantean desafíos importantes para identificar la característica específica que conduce a una respuesta fenotípica beneficiosa. La capacidad robótica para la evaluación ambiental repetitiva y detallada de plantas individuales abre el potencial para un cambio de paradigma en el desarrollo de la genética agrícola.
Gestión de cultivos
Establecimiento y Siembra
El arado es uno de los principales procesos primarios de cultivo que implica la inversión o mezcla de la capa superficial del suelo para preparar el semillero adecuado. La agricultura moderna utiliza actualmente grandes cantidades de energía de taponamiento: se estima que entre el 80 y el 90 % de la energía agrícola tradicional se utiliza para reparar los daños causados por tractores gigantes. Los robots eléctricos pequeños e inteligentes ofrecen una solución alternativa al evitar la compactación excesiva del suelo y los dispositivos a bordo de microsacrificio.
Los nutrientes también podrían dirigirse con mayor precisión al entorno local de semillas. Para optimizar la densidad de plantas y el patrón de semillas con referencia al aire, la luz, los nutrientes y los requisitos de humedad de las plantas individuales, la ubicación de las semillas y el mapeo podrían automatizarse aún más. La robótica también desempeñará un papel esencial en la gestión de los insumos de producción primaria, incluido el monitoreo y las intervenciones específicas del suelo y el agua.
Cuidado de Cultivos
La búsqueda de información oportuna y precisa es una actividad importante de manejo de cultivos. Esto permite una recopilación de datos rentable por parte de robots autónomos que llevan sensores que evalúan la salud y el estado de los cultivos. Utilice o combine plataformas aéreas y terrestres. La fusión de datos de diferentes dispositivos o fuentes con una amplia gama de resoluciones temporales y espaciales y la interpretación automática de datos plantea varios desafíos de investigación emocionantes. El mapeo de malezas incluye la ubicación de registro de visión artificial y la densidad (biomasa) de diferentes malezas.
Un mapa de tratamiento puede interpretar el mapa de malas hierbas resultante. El deshierbe robótico es un campo de investigación activo que examina métodos alternativos para matar, eliminar o retardar plantas no deseadas sin dañar los cultivos. El tejido entre hileras es más difícil que el tejido entre hileras, ya que requiere un posicionamiento preciso de la planta.
Las técnicas alternativas de control de malezas incluyen el deshierbe mecánico, el (micro) raspado selectivo y el tejido con láser. El riego es otra área en la que los robots pueden ayudar a encontrar el agua en el momento adecuado. La evaluación previa a la cosecha y los pronósticos de rendimiento del sistema sensorial robótico también ayudarán a seleccionar el momento adecuado para la cosecha.
Cosecha Selectiva
La recolección selectiva solo implica recolectar partes que cumplen con ciertos umbrales de calidad o cantidad. Hay dos requisitos: la capacidad de detectar el factor de calidad requerido antes de la cosecha y la capacidad de cosechar el producto interesado sin afectar la cosecha restante. La recolección selectiva presenta desafíos para la tecnología robótica moderna.
Quizás el principal problema es cómo llevar a cabo una coordinación sensoriomotora independiente con datos sensoriales ruidosos e incompletos en el complejo entorno agrícola. Es probable que esto requiera una mejor visión para el reconocimiento, la segmentación, la ubicación espacial y el seguimiento de las máquinas, así como una tecnología robótica robusta y precisa. Tradicionalmente, la precisión la proporcionaba una mecánica robótica rígida y fácil de modelar.
Sin embargo, el aumento de los recursos informáticos en las plataformas robóticas podría permitir que se maneje el software preciso y la detección de una carga al tiempo que permite dispositivos de recolección robótica más pasivos, seguros y robustos. Otro desafío es cuánto adaptar el sistema robótico a un cultivo y entorno de cultivo en particular y cuánto más eficiente debe adaptarse la cosecha selectiva de los sistemas robóticos al entorno de cultivo.
Las compensaciones interesantes pueden diferir de un cultivo a otro en este espacio. Una pregunta relacionada es cómo maximizar el uso durante todo el año de hardware robótico costoso, especialmente en vegetales de temporada como frutos rojos. Las posibilidades incluyen el desarrollo de tecnologías adaptativas que pueden pasar de tareas compartidas como recoger fruta a capacidades de dispositivos convencionales.