Las malezas como adversidad biótica clave, plantean un desafío constante para la productividad agrícola. La dependencia y uso extendido de herbicidas favoreció la evolución de la resistencia a los químicos a nivel mundial. ¿Hacia dónde va el desarrollo del control específico o dirigido de malezas? 

Evolución de las aplicaciones dirigidas o sitio específicas

El control sitio específico de malezas o aplicaciones selectivas o dirigidas, como las llamamos en Argentina, se comenzó a desarrollar a fines de los ’70 para la detección de malezas "verdes sobre marrones" en barbecho, utilizando sensores simples, luces, algoritmos básicos y filtros de luz. La tecnología dio lugar a productos como, por ejemplo, WeedSeeker y WEEDit que se utilizan ampliamente en la actualidad y permiten un ahorro de hasta el 90% de herbicidas y 70% de costos, posibilitando el acceso a otras moléculas para ampliar el abanico de opciones. 

Con la reducción en el uso de herbicidas se reduce el impacto ambiental y la huella de Carbono. Por otra parte, los herbicidas con mayores riesgos de carry over, sólo son aplicados en una pequeña parte de la superficie, evitando la problemática masiva en el cultivo siguiente. De igual manera, se minimiza el apilamiento y la persistencia de los herbicidas en los suelos.

Hoy en día, el salto de esta tecnología, en base a cámaras y al desarrollo de inteligencia artificial, permite diferenciar malezas de cultivos y realizar aplicaciones dirigidas en distintos escenarios productivos, incluso dentro del cultivo, lo que se conoce como "verde sobre verde”.

El cuello de botella: identificar y diferenciar malezas de cultivos

El reconocimiento de malezas en el cultivo a escala extensiva, surgió a mediados de la década de 2010, cuando se comenzaron a ver los primeros intentos exitosos de reconocimiento de malezas en tiempo real en el cultivo para aplicar malezas puntuales. 

Estos dispositivos se instalan en los botalones y van sensando lo que hay en el terreno. Simultáneamente, gracias a la tecnología de programación, la IA va “aprendiendo” a tomar la decisión en tiempo real de abrir o no los picos de los pulverizadores. De esta manera, pasan de aplicar en todo el lote a activarse sólo donde se detecta la maleza puntual.

A diferencia de los primeros algoritmos de discriminación de malezas y cultivo, los más modernos deciden por sí mismos qué imagen y características de la planta usar. Sin embargo, para validar estos algoritmos se requieren decenas de miles de imágenes de malezas identificadas por los humanos. 

¿Qué seguirá en el futuro?

En la medida que se vayan poniendo a disposición abiertamente más imágenes de malezas en diferentes regiones y situaciones, así como datos asociados a la imagen (como ubicación geográfica y estado de resistencia), se tenderá a mejorar el entrenamiento y la precisión de algoritmos. La inteligencia artificial avanza hacia “algoritmos multimodales", que pueden usar texto, imágenes u otros formatos de datos, pasando del control específico del sitio, al control específico de la planta.

El manejo basado en especies y riesgo de rendimiento también puede ser parte del futuro, reduciendo el uso de productos químicos y mejorando la biodiversidad del sistema. Sin duda, las perspectivas para el entendimiento y el control de malezas son muy prometedoras a la vez desafiantes, teniendo en cuenta la capacidad de estas para adaptarse y evolucionar a la par de la tecnología.

En el próximo Congreso Aapresid 2023 "C", que tendrá lugar en formato híbrido en Rosario del 9 al 11 de agosto, Guy Coleman, destacado investigador de la Univ. de Sydney y de la Univ. de Copenhagen, compartirá su conocimiento sobre estas tecnologías para el manejo de malezas en agroecosistemas argentinos. Con su sólida carrera y experiencia en tecnologías de precisión para el manejo de malezas, Coleman promete desvelar nuevas posibilidades para el agro.

No te pierdas la charla “De la naturaleza a los algoritmos: Detectando malezas con machine learning”, a cargo de Guy Coleman el Miércoles 9 de Agosto a las 14:30 en el Salón Metropolitano de Rosario.