Principales desafíos de la robótica en la agricultura de precisión: digitalización y automatización

Vota este post

agricultura1

Hoy, después de 20 años de investigación en agricultura de precisión, existen muchos tipos de sensores para registrar parámetros agronómicamente relevantes y muchos sistemas de gestión agrícola. Las máquinas controladas electrónicamente son de última generación. De hecho, al conectar en red diferentes máquinas, la tecnología ahora puede automatizar sistemas ciberfísicos. A esto lo llamamos “agricultura 4.0”.

Sin embargo, todavía no se puede afirmar que la precisión agrícola se haya establecido ampliamente en la producción de cultivos. ¿Por qué no lo es? Los datos por sí solos no son suficientes. El registro automático de datos solo ayuda a los resultados de la granja donde se necesita menos tiempo para analizar el material recolectado y permite obtener más ganancias en comparación con las decisiones correctas de manejo basadas en el intestino.

Hoy en día, la maquinaria, y no los productos agrícolas, es la parte más importante del valor añadido derivado de las nuevas tecnologías. Por ejemplo, el comercio de futuros en el mercado de productos básicos tiene una influencia mucho más rápida y directa en el desarrollo del valor del producto agrícola que, por ejemplo, mediante la aplicación de técnicas de gestión específicas del sitio, la calidad del producto o el rendimiento aumentan en porcentajes de una sola cifra. Los beneficios de ahorro de tiempo permanecen. La tarea de desarrollar ingeniería robótica agrícola es crear los llamados sistemas «inteligentes» que son inteligentes y fáciles de operar. Llamamos productos inteligentes que parecen más brillantes que el usuario para dar respuestas incluso antes de que se haga la pregunta.

Ejemplo: pulseras de fitness que registran y analizan los movimientos del usuario. La inteligencia del equipo es el análisis de valor. Recuento de pasos y frecuencia cardíaca por debajo de la media. Resulta en una recomendación de tratamiento: ¡haz más ejercicio! Pero el usuario aún tiene que implementar estas recomendaciones: el segundo ejemplo, esta vez de precisión agrícola.

Los sistemas de sensores de plantas de cultivo más exitosos son fácilmente aquellos que analizan, recomiendan y luego aplican un tratamiento de una sola vez como los llamados N-Sensores. A pesar del procedimiento analítico altamente complejo del sistema, operar tales sensores es muy fácil. Por ejemplo, el mapeo de rendimiento es un enfoque fuera de línea que requiere pasos de procesamiento adicionales para analizar datos de PC. La información de rendimiento obtenida de una cosecha solo se puede usar en la próxima temporada de cultivo, lo que representa una inversión a largo plazo con muchos aportes manuales y beneficios difíciles de evaluar.

El desarrollo de sensores y tecnología robótica agrícola se ve desafiado por los datos de alta resolución temporal y espacial requeridos, parámetros muy diferentes y difíciles de medir en las condiciones más desfavorables. Los nuevos métodos analíticos tienen como objetivo combinar datos y fusionar diferentes capas de información para generar nuevos conocimientos. Además, la automatización de las tareas de recopilación de datos es un requisito en el desarrollo de sistemas de «sensor inteligente» para aplicaciones agrícolas en el sentido de que la toma de decisiones está integrada en el sensor para que los resultados sean directamente aplicables al robot para realizar acciones de gestión específicas.

Pero, ¿qué hace exactamente la pulsera de fitness mencionada anteriormente en términos de contenido con el N-Sensor? Ambos sensores analizan los datos y procesan el material para que el resultado pueda usarse para deducir recomendaciones de acción directa. Ambos análisis también se basan en indicadores que no están directamente relacionados con los valores objetivo. La “aptitud” de la planta se puede evaluar adecuadamente por la clorofila o el color verde del follaje. Pero la causa del problema no es un aporte inadecuado de nitrógeno, sino la falta de humedad, el sistema debe contar con esta información adicional.

En este sentido, se necesita una interacción hombre-robot intuitiva, que también es un desafío de desarrollo importante para los sensores y la tecnología de automatización de cultivos. Cuanto más se aprecia la comprensión de las relaciones agronómicas detalladas, más información se necesita para comprender mejor estas relaciones. Cuanta más información disponible, más comprensión profunda, requiere más recopilación de datos.

Por lo tanto, la situación es un bucle en el que se recolectaron más y más datos y se desarrolló un conocimiento agronómico cada vez más intenso, especialmente en los últimos años. Estancó la aplicación práctica del conocimiento agronómico directamente utilizable. La aplicación completa de la tecnología de precisión agrícola todavía requiere una gran cantidad de conocimientos estadísticos y de software. La información relevante debe integrarse en los sistemas de toma de decisiones multicausales para desarrollar aún más los sensores inteligentes.

Los objetivos son sistemas complejos con conceptos sistémicos, completos y transparentes fáciles de usar, buena “usabilidad” y aplicación simple. La experiencia práctica también debe fluir en estos sistemas integrados para que los agricultores puedan desarrollar aún más su experiencia utilizando la tecnología. El paso del almacenamiento de datos a la recuperación de información y la gestión del conocimiento que involucra grandes cantidades de datos es un tema crucial para los sistemas de apoyo a la toma de decisiones de la agrorobótica.

Actualmente, las oportunidades para analizar datos agrícolas y la fusión de datos de sensores se están expandiendo mediante la aplicación de métodos estadísticos multivariados y técnicas de aprendizaje automático. Está ampliando cada vez más los límites del sistema, y ​​los conceptos holísticos para redes completas de valor agregado ya están en el centro de atención en la actualidad, por lo que la transmisión de datos móviles es una tecnología esencial para establecer sistemas totalmente integrados que permiten la fusión de datos en tiempo real desde diferentes fuentes. Hablamos de gestión del conocimiento y sistemas inteligentes. Pero con toda esta “alta tecnología”, ¿podemos centrarnos claramente en nuestro objetivo?

La producción de cultivos más eficiente es el quid de todos los desarrollos técnicos. La automatización y la creación de redes deben servir para el control sistémico de los procesos agronómicos, no al revés. Es el entorno donde, por supuesto, la iniciativa de innovación de Leibniz Research Alliances «Alimentación y agricultura 4.0» «Producción sostenible de alimentos y nutrición saludable» se centra en el proceso de producción agrícola conectado de forma inteligente. La iniciativa tiene como objetivo desarrollar tecnología de proceso subyacente para la Agricultura 4.0 en todas las disciplinas donde la toma de decisiones basada en el conocimiento garantice la satisfacción de las demandas sociales y las demandas de los productores y consumidores individuales en términos de rendimiento y ganancias, teniendo en cuenta las heterogeneidades locales, espaciales y ambientales. y los fenómenos climáticos globales.

Para ello, el objetivo de la investigación es, por un lado, desarrollar modelos de procesos de producción agrícola adaptados a condiciones específicas y, por otro lado, tecnologías de automatización con las que se pretende controlar los métodos de forma que los recursos naturales puedan conservarse o incluso mejorarse manteniendo la calidad del producto. La interoperabilidad de la agricultura y las redes digitales permitirán nuevos sistemas de control de procesos y modelos de venta, como puntos de venta de purines en línea, plataformas de intercambio donde los datos se intercambian por asesoramiento o marketing directo en línea.

Sin embargo, solo lo que se siembra se puede llevar a casa, incluso con Agricultura 4.0. Por ejemplo, el riesgo meteorológico no es menor, aunque se puede posicionar mejor la ventana de cosecha configurando la TI a utilizar. Concluye con el resumen de que incluso la Agricultura 4.0 solo mostrará resultados modestos si las nuevas tecnologías no cuidan que parte del valor agregado esté asociado a los productos agrícolas.

Deja un comentario