Inteligencia artificial en ciencias vegetales: de la fenotipificación basada en imágenes a la predicción de...

Área de la Ciencia:

• Ciencias Agrícolas
• Ciencias de la Computación
• Teledetección

Sus antecedentes:

• La investigación tradicional de plantas se basa en mediciones manuales, que requieren mucha mano de obra y tiempo.
• Los avances en inteligencia artificial (IA), imágenes y teledetección ofrecen oportunidades para la recopilación automatizada de datos.
• La fenotipificación basada en imágenes de alto rendimiento permite la adquisición precisa y automatizada de rasgos en varias escalas.

Objetivo del estudio:

• Presentar un paradigma interdisciplinario que fusiona la IA con la fenotipificación de plantas y el pronóstico de rendimiento.
• Destacar cómo la IA mejora la precisión del monitoreo de rasgos y la predicción de rendimiento.
• Promover una agricultura moderna precisa y sostenible.

Principales métodos:

• Utilización de inteligencia artificial (IA) para el análisis complejo de datos de imágenes y teledetección.
• Implementación de fenotipificación basada en imágenes de alto rendimiento para la adquisición automatizada de rasgos.
• Integración de observaciones satelitales, imágenes de vehículos aéreos no tripulados (VANT), datos del suelo y del clima.

Principales resultados:

• La IA permite la adquisición precisa y automatizada de rasgos en diversas escalas espaciales y temporales.
• La integración de múltiples fuentes de datos (satélite, UAV, suelo, clima) mejora el monitoreo de rasgos y la predicción de rendimiento.
• Evaluación y predicción mejoradas del rendimiento de los cultivos en condiciones ambientales variables.

Conclusiones:

• La fenotipificación y el pronóstico de rendimiento impulsados por IA representan un cambio de paradigma en la investigación agrícola.
• Este enfoque integrado apoya una agricultura moderna precisa y sostenible.
• La metodología mejora la capacidad de gestionar los cultivos de manera eficaz en entornos cambiantes.