El robot autónomo alcanza la precisión a nivel humano al detectar enfermedades de viñedos

Créditos: Phys.org

Un robot autónomo innovador llamado Phytopatholobot provocará una revolución en el manejo de las enfermedades de la uva en los viñedos al explorar eficientemente las amenazas de cultivos en tiempos casi listos. Este robot se ha desarrollado en Cornell Agritech en Ginebra, Nueva York y trabaja con precisión que compite por los exploradores humanos altamente educados, lo que reduce significativamente la necesidad de un trabajo extenso y al mismo tiempo aborda una preocupación crucial entre los ventiladores y los vino de la uva.

El potencial de esta tecnología se detalla en detalle en un trabajo de investigación: «Phytopatholobot: robot de tierra autónomo para enfermedades de exploración casi real en el viñedo», publicado en el Journal of Field Robotics. Según la patóloga de la uva Katie Gold, una de las principales autores, el manejo de enfermedades como el moho polvoriento y suave es un problema crucial para la viticultura en Nueva York y más allá, especialmente en vista de la creciente presión del cambio climático, el aumento de las regulaciones que limitan las opciones de tratamiento químico y el aumento de los depósitos laborales.

El profesor asistente Yu Jiang enfatizó los dobles desafíos del manejo de enfermedades y la disminución del trabajo, que establece que los métodos de reconocimiento tradicionales son intensivos en mano de obra y requieren empleados competentes. El Phytopatholobot, por otro lado, automatiza el proceso de exploración y solo necesita una persona para verificar su operación. En un escenario práctico, un robot puede lograr lo que históricamente requirió un equipo de cuatro o cinco exploradores humanos.

Funcionamiento autónomo, navega por el fitopatholobot a través de las filas de viñedos y graba las imágenes de imágenes laterales. El robot utiliza algoritmos AI avanzados para distinguir entre píxeles de toldos y que apuntan a los síntomas de la enfermedad. Estos datos se mejoran utilizando la tecnología de detección de teleobjetivo de la NASA, los datos del GPS y el modelado de computadora, lo que hace posible un análisis en tiempo real de la diferencia de enfermedad, la ubicación de la infección y la gravedad.

La introducción de esta tecnología no solo pierde los costos laborales, sino que también permite a los viticultores aplicar tratamientos específicos. Al identificar con precisión los puntos críticos de la enfermedad, los productores pueden, cuando sea posible, usar productos químicos menos agresivos, retener a los agentes y limitar la dependencia de fungicidas poderosos que pueden conducir a la resistencia.

Goud enfatizó las implicaciones para las prácticas ecológicas y los estados de que los datos integrados del robot pueden ayudar a crear estrategias de tratamiento más matizadas que minimicen el impacto del medio ambiente. Esta recopilación de datos avanzada también permite a los científicos refinar de forma remota los modelos de detección de teledet, de modo que el camino sea absuelto por el monitoreo de la enfermedad pasiva.

Las primeras pruebas del Fytopatholobot se realizaron sobre varios vinos de Cornell Pathology y se utilizó en viñedos comerciales en varios estados, incluidos California, Dakota del Sur y Nueva York. Los resultados han demostrado que las opciones de detección del robot no solo son comparables a los exploradores humanos, sino que también muestran una alta eficiencia computacional mientras trabajan en propiedades esenciales de baja potencia para los robots de campo.

Una startup en California, en parte fundada por el autor principal Ertai Liu, quiere llevar el Phytopatholobot al mercado para aplicaciones agrícolas más amplias. También hay interés en ajustar la tecnología para verificar otros cultivos, con las manzanas un enfoque principal para la expansión.

A medida que las prácticas agrícolas evolucionan bajo la presión del cambio climático y las fluctuaciones para el mercado laboral, innovaciones como el Phytopatholobot pueden ser cruciales para garantizar la sostenibilidad de los sistemas de producción de alimentos esenciales.