Agritech: la inteligencia artificial también revoluciona la agricultura

La inteligencia artificial (IA) forma ya parte de nuestras vidas, en actividades tan habituales como buscar un destino con nuestro móvil o sugerirnos una serie en streaming, pero, ¿qué aporta en la agricultura con soluciones denominadas agritech?  

La IA, el aprendizaje automático (ML) y los sensores IoT (que proporcionan datos en tiempo real para los algoritmos) aportan, básicamente, soluciones para: 

• aumentar la eficiencia agrícola,  
• mejorar el rendimiento de los cultivos,  
• reducir los costes de producción de alimentos y 
• reducir el uso de pesticidas y otros contaminantes.  

Los grandes retos del sector agrícola 

Antes de ver en qué consisten estas soluciones de IA, es necesario destacar la importancia de la agricultura para intentar paliar el actual riesgo de hambruna y los retos de alimentar a una población creciente. Riesgos y retos derivados de un sistema alimentario mundial debilitado por el Covid-19, el cambio climático, la crisis energética y la guerra de Ucrania. Según la Oficina de las Naciones Unidas para la Coordinación de Asuntos Humanitarios, 45 millones de personas en 43 países están al borde de la inanición. A esto se le añade que, según las predicciones de Naciones Unidas sobre población y hambre, la población mundial aumentará en 2.000 millones de personas en 2050. Lo que requerirá un aumento del 60% de la producción alimentaria para poder alimentarnos todos. 

Para acabar de apuntar los retos a los que se enfrenta la agricultura, el 31% de las emisiones de gases de efecto invernadero causadas por el hombre en el mundo, se originan en los sistemas agroalimentarios, según la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO). Las emisiones de gases de efecto invernadero de este sector proceden principalmente de la agricultura (cultivos y ganado) y la deforestación. 

¿Cómo está la inteligencia artificial ayudando a mejorar la agricultura? 

A continuación, apuntamos algunos de los usos donde se están desarrollando soluciones: 

• La IA y el aprendizaje automático mejoran la predicción del rendimiento de los cultivos gracias a los datos de los sensores en tiempo real y los datos de análisis visual de los drones. Combinando los datos de los sensores sobre niveles de humedad, fertilizantes y nutrientes se pueden analizar los patrones de crecimiento de cada cultivo a lo largo del tiempo. Con el aprendizaje automático, se pueden realizar predicciones para optimizar el rendimiento de los cultivos. Un ejemplo: la startup surafricana Aerobotics, que proporciona información sobre árboles y frutas mediante imágenes de drones e inteligencia artificial. Han conseguido financiación por un total de 27 millones de dólares, siendo la última una serie B por valor de 17 millones a finales de 2020. 

• Soluciones ante la falta de mano de obra. Las grandes explotaciones agrícolas, ante la escasez de mano de obra, están recurriendo a la robótica para cultivar cientos de hectáreas. Tractores inteligentes y agribots basados en la IA y el aprendizaje automático son una opción viable para muchas operaciones agrícolas. Una de las empresas más avanzadas en este campo es John Deere, que ha desarrollado desde agribots para identificar y eliminar las malas hierbas en tiempo real hasta tractores autónomos capaces de arar, sembrar y recoger cosechas.  
• Sistemas para mejorar el seguimiento y la trazabilidad de las cadenas de suministro agrícola eliminando los obstáculos para que los cultivos lleguen más frescos y seguros al mercado. Los sistemas más avanzados de seguimiento y localización se basan en sensores IoT para obtener un mayor conocimiento del estado de cada envío. Un ejemplo es la startup inglesa AgriLedger, que está transformando la cadena de suministro agrícola con una plataforma blockchain en combinación con la IA y el IoT para aumentar la transparencia, los precios justos y el acceso al capital en cada punto de contacto de la cadena de valor. 
• Sistemas de vigilancia basados en la IA y el aprendizaje automático para supervisar las transmisiones de vídeo en tiempo real de los campos de cultivo. Identifican las infracciones de animales o humanos, enviando alertas. Una de las empresas más punteras en esto es Twenty20 Solutions, que contempla la disuasión de intrusos mediante el uso del aprendizaje automático para identificar a los empleados que trabajan en las instalaciones. 
• Soluciones para previsión de precios de los productos agrícolas. Predecir el precio que tendrá un determinado cultivo en el futuro es muy valioso a la hora de determinar qué tipos de cultivos plantar. Existen muchas variables que pueden permitir predecir los precios futuros de un determinado cultivo, por ejemplo, el clima, los precios históricos, la ubicación, los indicadores de demanda, los precios del petróleo o la salud de los cultivos. Combinando IoT, Big Data e IA, startups como xyonix desarrollan predicciones de precios basadas en datos estructurados y no estructurados como los mencionados.  

Y el ámbito de aplicaciones no deja de crecer. Desde sistemas para optimizar el uso del agua en los cultivos, hasta nuevas aplicaciones para la agricultura vertical, la IA seguirá siendo una tendencia importante en agricultura. ¿Qué se está haciendo en nuestro país?  

España quiere liderar el sector agritech 

En España se ha lanzado recientemente el proyecto AgrarIA. Tiene como objetivo investigar el uso de la IA, junto con otras tecnologías como IoT y cloud computing, en soluciones reales para definir nuevos métodos de producción agraria más sostenibles, comprometidos con la eficiencia energética y la disminución de la huella de carbono. Es un proyecto financiado a través del Programa Misiones de I+D en Inteligencia Artificial de la Secretaría de Estado de Digitalización e Inteligencia Artificial (SEDIA). 

El proyecto está liderado por la empresa GMV, una de las seleccionadas para formar parte del programa de Fundación Cre100do. El programa pretende ayudar a las empresas más prometedoras del Middle Market a crecer y a hacerse grandes, difundiendo conceptos y prácticas empresariales de alto impacto. 

Se pretende crear una plataforma propia que integre distintos desarrollos de IA para el sector agrícola. Van desde el desarrollo de nuevos productos naturales para el control de plagas y enfermedades, hasta el uso de la robótica colaborativa. 

Entre estos desarrollos de IA está por ejemplo el que va a realizar la startup biotecnológica Kimitec. Usará inteligencia artificial para el desarrollo de nuevas soluciones naturales de lucha contra enfermedades fúngicas, bacterianas y víricas en los cultivos. 

En otro orden de cosas, y relacionado con los mencionados agribots, investigadores de la Universidad Politécnica de Valencia han liderado un proyecto europeo para el desarrollo de un robot agrícola para la viticultura: el VineScout. 

Primeros pasos de la inteligencia artificial cuántica en la agricultura  

Una de las combinaciones más prometedoras para lograr una agricultura más productiva y sostenible, es la de la inteligencia artificial y la computación cuántica. Como nos contaba Darío Gil en este #Innoverse, la IA y la computación cuántica nos permitirán acelerar el proceso de descubrimiento científico en todos los ámbitos. Se trata de una nueva disciplina denominada IA cuántica.  

En agricultura, cabe destacar una iniciativa española que pretende predecir el rendimiento de los cultivos agrícolas. El objetivo es procesar imágenes satelitales para desarrollar un predictor para el rendimiento de cultivos basado en aprendizaje automático cuántico, (QML del inglés, Quantum Machine Learning). Esta iniciativa se enmarca en el ya mencionado proyecto AgrarIA. 

Si quieres profundizar en otras aplicaciones de la inteligencia artificial, el estado del arte y las tendencias más prometedoras, puedes hacerlo desde nuestro conectoma.