Huelva /
09 de octubre de 2023

Inteligencia artificial para sembrar el futuro

Fotografía ilustrativa de la noticia

Autoría: Alba Milla Madero

Fuente: Fundación Descubre

Un equipo de científicos de la Universidad de Huelva propone una herramienta que emplea redes neuronales para tomar decisiones informadas sobre la gestión agraria. De este modo, el agricultor puede anticipar cuántos kilogramos de fresa, arándanos y frambuesas recolectará en las próximas semanas para planificar la logística, distribución y venta de sus productos de forma más eficiente.

Carmen lleva más de diez años haciéndose cargo del negocio familiar: un campo de fresas de cuya rentabilidad viven sus dos hermanos y ella. Cada vez que explica en qué consiste su labor, se limita a comentar lo más básico: plantan, riegan, aplican abono y plaguicidas, recogen el fruto, lo venden y vuelta a empezar. No obstante, no suele explicar en qué consiste este último paso, porque es complicado y depende de la producción.

Normalmente, los agricultores y los comercios establecen acuerdos comerciales para garantizar el suministro de productos agrícolas. En el caso de las frutas, los comercios suelen estimar una cantidad diaria o semanal en kilogramos que el productor debe proveer. No obstante, ésta depende de cuestiones como por ejemplo:

Aunque hay productores pequeños y medianos como Carmen que no disponen de los medios tecnológicos para realizar esas estimaciones, ya empiezan a surgir nuevas herramientas como las que propone un equipo de investigación de la Universidad de Huelva que persigue facilitar esta labor. En concreto, los científicos han aplicado un sistema ‘inteligente’ para anticipar la producción semanal de cultivos de fresa y otros frutos rojos. Esta herramienta predice cuántos kilogramos producirá el agricultor para facilitar su gestión y venta a grandes superficies como los supermercados.

El investigador de la Universidad de Huelva Juan Diego Borrero, autor del estudio.

Los expertos aplican a la producción agrícola una herramienta que emplea un modelo híbrido de redes neuronales -es decir, que suma diferentes técnicas de aprendizaje automático para obtener mejores resultados- en la predicción de la cantidad de bayas que los pequeños agricultores pueden cosechar a corto plazo.

Frutos rojos

Tal y como explican los investigadores en ‘Enhancing Short-Term Berry Yield Prediction for Small Growers Using a Novel Hybrid Machine Learning Model’ publicado en Horticulturae, esta herramienta está enfocada a pequeños agricultores específicamente porque su accesibilidad a recursos tecnológicos suele ser más limitada y se enfrentan a desafíos adicionales en comparación a las grandes operaciones agrícolas. Éstas cuentan con maquinaria más avanzada, terrenos de cultivo más amplios e infraestructuras actualizadas, entre otras ventajas que no poseen los pequeños productores. “Al proporcionarles una herramienta de predicción más precisa, se les ayuda a optimizar sus procesos y se les facilita la toma de decisiones, lo que puede tener un impacto significativo en su rentabilidad y sostenibilidad”, explica a la Fundación Descubre el investigador de la Universidad de Huelva Juan Diego Borrero.

Los expertos centran la herramienta en la producción semanal de frutos rojos como fresas, arándanos y frambuesas.

Los expertos centran la herramienta en la producción semanal de frutos rojos como fresas, arándanos y frambuesas, pero añaden que podría emplearse para anticipar la productividad de otros cultivos. 

Para Carmen, esta herramienta podría suponer un primer paso para escalar su negocio. Si saben cuántos kilogramos de fresas pueden vender cada semana, podría anticipar sus gastos, mejorar las necesidades de personal para la recolección y la relación con los clientes. De este modo, la ciencia le permitiría transmitirle a sus hijos y sobrinos los campos de fresas que han permitido subsistir a su familia, para que estos continúen siendo rentables, sostenibles y pasen de generación en generación.

Más información en #CienciaDirecta: Aplican un sistema ‘inteligente’ para predecir la producción semanal de fresas


Ir al contenido