Alfalfa: drones e inteligencia artificial detectan malezas y lotes degradados
Especialistas del INTA Catamarca y del INTA Marcos Juárez desarrollaron una herramienta que combina drones comerciales y algoritmos de aprendizaje automático para identificar malezas en cultivos de alfalfa en activo crecimiento. La tecnología permite estimar la superficie efectivamente ocupada por el cultivo y detectar lotes degradados, con una alternativa de menor costo frente a los sistemas que utilizan sensores multiespectrales.
El desarrollo busca mejorar el diagnóstico agronómico y aportar información para decidir cómo manejar los lotes de alfalfa, evaluar su viabilidad productiva o determinar si resulta conveniente renovar el cultivo. La innovación adquiere especial relevancia para productores y asesores de las economías regionales, donde el costo de los equipos de monitoreo puede limitar el acceso a herramientas de agricultura de precisión.
Drones comerciales para diferenciar el cultivo de las malezas
La alfalfa es una forrajera perenne cuya productividad depende de mantener una cobertura uniforme y reducir la competencia de otras especies vegetales. Cuando las malezas avanzan, la superficie aprovechable disminuye y se vuelve más difícil determinar visualmente el estado real del lote, especialmente en extensiones grandes o con una elevada presión de vegetación espontánea.
Para abordar ese problema, los investigadores utilizaron cámaras ópticas RGB convencionales, incorporadas en drones de uso comercial, y técnicas de clasificación supervisada. El principal desafío consiste en distinguir la alfalfa de las malezas cuando ambas están verdes y crecen simultáneamente, una situación conocida como “verde sobre verde”, en la que las imágenes presentan características visuales similares.
Laura Cano, especialista del INTA Catamarca y una de las autoras del trabajo, señaló que el precio de las cámaras multiespectrales representa una limitación importante para los productores y asesores del noroeste argentino. Por eso, el equipo buscó demostrar que un dron comercial combinado con algoritmos de aprendizaje automático puede identificar la cobertura útil de alfalfa sin recurrir a sensores más costosos.
Un ensayo para medir la superficie productiva
La experiencia se realizó en un lote de 3,3 hectáreas del Campo Anexo Santa Cruz, perteneciente a la Estación Experimental Agropecuaria Catamarca del INTA. El ensayo contempló dos vuelos con un dron DJI Air 3S a 40 metros de altura, diseñados para comparar distintos estados de la vegetación y evaluar la consistencia de los resultados obtenidos.
El primer relevamiento se efectuó cuando la alfalfa y las malezas estaban en pleno crecimiento. El segundo se realizó 45 días después, tras el corte del cultivo y la senescencia de las malezas, lo que generó un mayor contraste visual entre ambas coberturas y permitió validar la clasificación.
Para procesar las imágenes se utilizó CatBoost, un algoritmo de aprendizaje automático, junto con plataformas de código abierto como QGIS y WebODM. Carlos Navarro, técnico del INTA Marcos Juárez, destacó la consistencia temporal de las estimaciones obtenidas durante los dos relevamientos.
Los resultados revelaron un lote degradado
El procesamiento permitió determinar que la superficie neta ocupada por alfalfa representaba el 45,2% del lote en la primera fecha y el 49,1% en la segunda. La diferencia entre ambas estimaciones fue de apenas 3,9 puntos porcentuales, un resultado que respalda la capacidad de la metodología para mantener mediciones consistentes bajo distintas condiciones de vegetación.
Más allá de validar la herramienta, los datos permitieron advertir un problema productivo concreto: casi la mitad de la superficie evaluada no estaba ocupada por alfalfa. Según Navarro, el diagnóstico evidenció un lote degradado y ofreció una señal de alerta para revisar su manejo y aprovechamiento. La información obtenida puede orientar decisiones sobre el control de malezas, la recuperación de la cobertura vegetal y la eventual renovación del cultivo.
Alternativa accesible para la agricultura de precisión
El trabajo del INTA concluye que la combinación de imágenes RGB y algoritmos de clasificación supervisada constituye una alternativa para monitorear cultivos forrajeros con equipamiento accesible. Su aplicación puede facilitar evaluaciones periódicas y generar alertas tempranas sobre el deterioro de los lotes.
Aunque los resultados corresponden a un ensayo específico, el desarrollo abre una vía para ampliar el uso de herramientas digitales en establecimientos que no cuentan con sensores especializados. El objetivo es transformar imágenes obtenidas con drones comerciales en información agronómica útil, que ayude a mejorar el aprovechamiento de la alfalfa y a fundamentar las decisiones de manejo.
