Investigadores israelíes desarrollan un método de IA para predecir el estrés de los cultivos
Los investigadores de Technion han desarrollado una tecnología innovadora para el seguimiento automatizado del estrés en cultivos agrícolas. La detección temprana del estrés hídrico y térmico es crucial para los productores agrícolas, ya que la reducción de la humedad se refleja en una conductancia estomática limitada, lo que resulta en un crecimiento reducido y, finalmente, en la muerte prematura de la planta. El desarrollo fue dirigido por la gente de GIP, el Laboratorio de Procesamiento de Imágenes Geométricas, en la Facultad de Ciencias de la Computación Henry y Marilyn Taub.
Los investigadores de Technion, el asistente de investigación Alon Zvirin, el jefe del laboratorio GIP, el profesor Ron Kimmel, y el ingeniero jefe Yaron Honen, han desarrollado una tecnología inteligente para el monitoreo y la predicción del estrés de los cultivos y la segmentación de las hojas. En el contexto del primero, Zvirin explica: «La detección del estrés por sequía permite salvar la planta, permite la identificación de enfermedades y la predicción de las cantidades de rendimiento de los cultivos, todos los cuales son información crucial para el productor». Mediante el uso de fotografías en color, imágenes térmicas y aprendizaje profundo, los investigadores pudieron predecir el estrés y el desarrollo de nuevas hojas con gran éxito; en una prueba de la tecnología en plántulas de banano, se logró un nivel de predicción impresionante de más del 90% de precisión. En el contexto de esta última, la segmentación de las hojas, los investigadores lograron resultados sin precedentes en la identificación de Arabidopsis y hojas de tabaco mediante la aplicación del aprendizaje profundo. Para entrenar el sistema en una gran cantidad de muestras, el equipo de investigación desarrolló una vasta base de datos que contenía imágenes de hojas artificiales y luego también probó la tecnología en otros cultivos: aguacate, banano, pepino y maíz.
Investigadores jóvenes
Según Zvirin, “Incluimos investigadores jóvenes que recién se estaban iniciando en el proceso de desarrollo tecnológico. Trajeron excelentes ideas e hicieron un gran trabajo. Dos de ellos también figuran como autores principales de los artículos: Dmitri Kuznichov, quien pronto completará su maestría bajo la supervisión del Prof. Irad Yavneh y el Prof. Ron Kimmel, y Sagi Levanon, graduado del Programa de Excelencia Psagot, quien ha comenzado a estudiar su segundo grado en la Facultad ”. El artículo sobre detección de estrés se publicó en la European Conference on Computer Vision, ECCV, y el artículo sobre segmentación se publicó en la Conference on Computer Vision and Pattern Recognition, CVPR.