Drones e inteligencia artificial: una nueva herramienta para detectar malezas en alfalfa
Especialistas del INTA utilizaron imágenes captadas con un dron DJI Air 3S y aprendizaje automático para diferenciar el cultivo de las malezas. La tecnología permite evaluar lotes degradados con equipos accesibles y generar información para orientar decisiones de manejo.
El uso de drones comerciales y algoritmos de inteligencia artificial abre nuevas posibilidades para el monitoreo de cultivos forrajeros. Especialistas del INTA Catamarca y del INTA Marcos Juárez desarrollaron una herramienta capaz de identificar la cobertura de alfalfa y distinguirla de las malezas mediante imágenes tomadas con cámaras RGB convencionales, sin necesidad de recurrir a sensores multiespectrales de mayor costo. La innovación apunta a mejorar el diagnóstico de lotes de alfalfa, un cultivo perenne cuya productividad depende, entre otros factores, de mantener una cobertura uniforme y reducir la competencia de otras especies vegetales. Conocer qué proporción de la superficie está efectivamente ocupada por el cultivo permite evaluar su estado y definir estrategias de manejo, recuperación o renovación. Uno de los principales desafíos técnicos consiste en distinguir la alfalfa de las malezas cuando ambas se encuentran en activo crecimiento. En estos escenarios, conocidos como “verde sobre verde”, las plantas presentan características visuales similares, lo que dificulta su diferenciación mediante cámaras ópticas convencionales. Frente a esta limitación, el equipo de investigación trabajó con imágenes obtenidas mediante un dron comercial y técnicas de clasificación supervisada basadas en Machine Learning. El objetivo fue demostrar que es posible identificar la cobertura útil de alfalfa con herramientas de menor costo y potencialmente accesibles para productores y asesores técnicos. “En economías regionales como las del noroeste argentino, el costo de las cámaras multiespectrales suele ser una limitante crítica para asesores y productores”, explicó Laura Cano, especialista del INTA Catamarca y una de las autoras del trabajo. En ese sentido, la investigadora señaló que el uso de un dron comercial combinado con algoritmos como CatBoost permite separar con precisión la cobertura del cultivo, incluso cuando la alfalfa y las malezas se encuentran verdes y en pleno desarrollo.
Dos vuelos con drones para evaluar la cobertura del cultivo
La experiencia se realizó sobre un lote de alfalfa de 3,3 hectáreas ubicado en el Campo Anexo Santa Cruz de la Estación Experimental Agropecuaria Catamarca. La metodología incluyó dos vuelos con un dron DJI Air 3S, equipado con una cámara RGB convencional, a una altura de 40 metros. El primer relevamiento se efectuó mientras la alfalfa y las malezas estaban en activo crecimiento. El segundo se realizó 45 días después, luego del corte del cultivo y de la senescencia de las malezas. Esta segunda instancia permitió contar con un escenario de mayor contraste visual para validar la clasificación obtenida a partir de las imágenes. El procesamiento se llevó a cabo con el algoritmo CatBoost, utilizando plataformas de código abierto como QGIS y WebODM. De esta manera, el procedimiento combinó la captura aérea de imágenes con herramientas informáticas que permiten analizar la distribución de la vegetación y estimar la superficie efectivamente cubierta por el cultivo.
El diagnóstico detectó un lote degradado
Los resultados mostraron una proporción de cobertura neta de alfalfa del 45,2% en el primer relevamiento y del 49,1% en el segundo, con una diferencia de 3,9 puntos porcentuales entre ambas estimaciones. Según Carlos Navarro, técnico del INTA Marcos Juárez, la consistencia temporal de los resultados permitió validar la metodología y, al mismo tiempo, detectar un problema productivo en el lote evaluado. El diagnóstico evidenció que casi la mitad de la superficie no estaba aprovechada por la alfalfa, una señal de degradación que puede orientar decisiones sobre el manejo y la continuidad productiva de la pastura. La información obtenida permite avanzar hacia evaluaciones más objetivas de la cobertura vegetal, en lugar de depender exclusivamente de inspecciones visuales en el terreno, que pueden resultar insuficientes en superficies extensas o con alta presencia de malezas.
Una alternativa accesible para el monitoreo agrícola
El trabajo del INTA muestra el potencial de combinar drones comerciales, cámaras RGB y algoritmos de aprendizaje automático para generar alertas tempranas sobre el estado de los cultivos. A diferencia de los sistemas que requieren sensores multiespectrales o térmicos especializados, esta metodología aprovecha equipos de uso masivo y herramientas de código abierto, lo que podría facilitar su incorporación a los servicios de monitoreo y asesoramiento agronómico. La tecnología ofrece una alternativa para estimar la cobertura útil de alfalfa, identificar lotes degradados y aportar información para decidir si corresponde ajustar el manejo o planificar la renovación del cultivo. El desarrollo también refleja el avance de la agricultura de precisión hacia soluciones que integran drones e inteligencia artificial para transformar imágenes aéreas en información agronómica concreta, con aplicaciones que van más allá de la pulverización y abarcan el diagnóstico y la gestión de los sistemas productivos.
