Drones e inteligencia artificial anticipan el rendimiento del maíz
La agricultura digital sumó una nueva herramienta para anticipar el comportamiento del maíz antes de la cosecha. Investigadores del INTA Pergamino desarrollaron modelos capaces de estimar, a partir de imágenes aéreas de alta resolución, la fracción de radiación solar que intercepta el cultivo, una variable directamente relacionada con la generación de biomasa y el rendimiento.
El avance combina drones, sensores remotos e inteligencia artificial y apunta a transformar la manera en que se evalúan los materiales en los programas de mejoramiento genético. Los resultados preliminares, que serán presentados en el XIII Congreso Nacional de Maíz, mostraron niveles de precisión superiores al 92% en híbridos comerciales y abren la puerta a analizar una mayor cantidad de parcelas en menos tiempo.
Del trabajo manual a los sensores
La iniciativa surgió en la Estación Experimental Agropecuaria Pergamino del INTA, dentro del Programa Nacional de Ecofisiología y Agroecosistemas. Para avanzar en el desarrollo, el organismo incorporó un Vehículo Aéreo No Tripulado equipado con sensores multiespectrales y térmicos, con el objetivo de generar protocolos capaces de convertir las imágenes obtenidas desde el aire en información útil para el mejoramiento.
Javier Portillo, investigador del INTA Pergamino, explicó que el proyecto articula las áreas de Sistemas de Información Geográfica, Ecofisiología de cultivos y mejoramiento de girasol y maíz, además de integrarse con la Red Nacional de Drones del INTA. La tecnología permite reducir una de las principales limitaciones del método tradicional: la evaluación manual requiere muchas horas de trabajo y puede estar condicionada por la subjetividad del observador.
Los sensores remotos permiten, en cambio, realizar mediciones objetivas y repetibles durante todo el ciclo del cultivo. La experiencia ya mostró resultados en otras especies: en soja se logró estimar la evolución de la cobertura foliar y medir la altura de las plantas con un margen de error inferior al 8% respecto de las mediciones convencionales. En girasol, además, imágenes y algoritmos de machine learning permitieron identificar híbridos resistentes a herbicidas.
Una pista clave para anticipar el rendimiento del maíz
En maíz, uno de los trabajos que se presentarán en el Congreso Nacional de Maíz se concentró en medir la altura de las plantas mediante modelos digitales de superficie generados por drones. La herramienta alcanzó entre un 81% y un 86% de coincidencia con las mediciones manuales, un resultado que puede facilitar el análisis de la estructura del cultivo y detectar materiales con mayor riesgo de quebrado o vuelco.
Pero el dato más relevante surgió de una segunda investigación. El equipo analizó más de 60 indicadores obtenidos a partir de imágenes aéreas para determinar cuáles permitían estimar mejor la fracción de radiación solar interceptada por el cultivo. Esa variable resulta especialmente importante porque está vinculada con la capacidad de producir biomasa y, en consecuencia, con el rendimiento final.
El resultado fue llamativo: el porcentaje de cobertura verde observado desde el aire superó a los índices tradicionales de agricultura digital como predictor de la radiación interceptada. Incluso el conocido NDVI, uno de los indicadores más utilizados en agricultura de precisión, quedó por debajo de esa variable en capacidad predictiva.
Más parcelas, menos tiempo
Los modelos alcanzaron más del 92% de precisión en híbridos comerciales, mientras que en líneas de maíz la exactitud superó el 86%. Para los investigadores, estos valores confirman que los drones pueden convertirse en una herramienta estratégica para acelerar el fenotipado, una etapa fundamental para identificar características deseables en los materiales genéticos.
El impacto potencial va más allá de reducir horas de trabajo. La posibilidad de evaluar grandes cantidades de parcelas de manera objetiva, rápida y repetitiva puede mejorar la selección de materiales y aportar información más precisa sobre la interacción entre genética y ambiente. Así, una imagen tomada desde el aire puede transformarse en un dato clave para decidir qué híbridos de maíz tienen mejores perspectivas productivas.
El desarrollo del INTA Pergamino marca, de esta manera, un nuevo paso hacia un mejoramiento genético cada vez más apoyado en datos. Drones e inteligencia artificial comienzan a convertir características que antes debían medirse planta por planta en información procesable a gran escala, con el potencial de anticipar el comportamiento del maíz y acelerar la innovación del sector semillero argentino.
