Bogotá D.C.,
Dic. 2016 – Ene. 2017

Edición impresa: ISSN 2422-1082
Edición en línea: ISSN 2422-300X

Founder & Customer
Science consultant
Gabriel Contreras

Director Editorial
Harold Aristizabal

Diseño y diagramación
Kelly Castañeda

Autor
Gabriel Contreras

Editorial SINNETIC

Contacto@sinnetic.com
WWW.SINNETIC.COM

USANDO IMÁGENES CAPTADAS POR DRONES, SINNETIC ENTRENA UN MODELO CAPAZ DE PREDECIR ANTICIPADAMENTE LA INFECCIÓN POR HONGOS EN CULTIVOS DE ARROZ ACELERANDO LA CAPACIDAD DIAGNOSTICA DEL PRODUCTOR.

Colombia, es un país de vocación agrícola y reconocido como una de las potenciales despensas futuras del mundo. En un escenario de posconflicto, donde la eficiencia agrícola revela una alternativa de paz duradera en el campo, usar tecnologías de punta y mejores prácticas derivadas del BigData y la Minería de datos pueden ayudar a acelerar la competitividad del campo.

El arroz, es una de las principales fuentes de carbohidratos en las dietas de los colombianos y las infecciones por hongos pueden generar déficits productivos importantes poniendo en aprietos las finanzas de los agricultores lo que se evidencia en subidas de precio de este producto para los hogares colombianos.

Enfermedades como Rhizoctonia, Pyricularia, Helminthosporum, Cercospora, Sarocladium entre otras, pueden causar deficiencia en la producción en volumen o la calidad de arroz y pueden ser tratadas tempranamente con un tratamiento a base de fungicidas especialmente dirigido a este espectro de problemas.

Los cultivos de arroz, se caracterizan por tener extensiones de tierra superiores a las 30 hectáreas siendo áreas de tierra difíciles de monitorear por los agricultores por lo que en muchas oportunidades el diagnóstico de estos problemas se hace tarde afectando la productividad del cultivo. Teniendo en cuenta lo anterior, SINNETIC, compañía enfocada en transformar datos en información para solucionar problemas empresariales, uso imágenes captadas por drones para construir una fórmula matemática que es capaz de predecir la presencia de estas enfermedades a partir del cambio en el color de las plantas.

La mayoría de las enfermedades, causan daños en raíces o tallos manifestándose en una pérdida de vigor de la planta y con ciertas manchas de tallo, hojas y el arroz mismo. El color y textura foliar de una planta libre de enfermedades es completamente diferente al color de una planta enferma, es por ello que, con un universo de más de 5 millones de fotos tomadas en diferentes zonas del país por medio de drones, tanto de plantas enfermas como sanas, se pudo generar un modelo matemático que predice la presencia de enfermedades en el cultivo a partir del color de las plantas.

Esta fórmula, puede anunciar la presencia de enfermedades fúngicas hasta 30 días antes de la aparición de los síntomas alertando a los agricultores para hacer aplicaciones extra o tempranas de fungicidas mejorando la productividad y calidad del cultivo.

El modelo fue probado con agricultores del Meta, haciendo dos grupos, el grupo experimental hizo caso al modelo y genero aplicaciones de fungicidas según el diagnóstico predictivo de las imágenes en su cultivo, el grupo control, siguió su protocolo estándar de cuidado de cultivo sin recibir información predictiva producto del modelo, los resultados de ambos grupos fueron contundentes:

Al momento de iniciar el estudio, se midió la productividad por hectárea, encontrando que tanto el grupo experimental como el grupo control tenían cerca de 2% más de productividad con respecto al promedio de la región.

Haciendo la intervención, que consistió en tomar fotos y vincular esta información con datos de IDEAM y el INVIMA para analizar la oferta climática, el grupo experimental recibía instrucciones predictivas de manejo de cultivo para evitar que los hongos afectaran la producción, con esta información los productores hicieron aplicaciones preventivas.

El grupo control, no recibió la información mientras que el grupo experimental sí. En el grupo control, la medición de productividad apenas fue 1 punto superior al grupo control mientras que en el grupo experimental la productividad por hectárea fue de 7 puntos superior al grupo control.

Este ejercicio muestra que usando BIGDATA se puede acelerar la productividad el campo, dotando a los agricultores y gremios de información para responder proactivamente a efectos como cambios climáticos, infestación por plagas o enfermedades haciendo más rentables sus cultivos.

Nota:

Esta investigación ha sido financiada por el observatorio de economía digital de SINNETIC en su rol de empresa reconocida como altamente innovadora por Colciencias.

¿Cómo podemos ayudarte?