Análisis predictivo de consecha
Análisis predictivo de cosecha mediante inteligencia Artificial
Proyecto de Investigación Interno
Gracias a la invención de nuevas tecnologías, en los últimos años se han podido desarrollar nuevas técnicas agrícolas mucho más económicas y productivas. Técnicas como la poda mecanizada, que eran un sueño hace años, hoy son una realidad para muchos agricultores en España.
A este contexto de revolución agrícola se debe sumar la llegada de la inteligencia artificial, que supuso una revolución disruptiva en la mayoría de sectores económicos.
Esta tecnología permitió soñar con nuevas invenciones, como los sensores de plagas o los pulverizadores inteligentes e inspiró al equipo de Agróptimum Next a desarrollar un proyecto muy ambicioso y sin precedentes en la agricultura.
El pistacho, un árbol muy especial
Es bien conocido por los agricultores que se dedican al pistacho que la cantidad de yemas de flor de las hembras permite predecir con gran precisión la cosecha que se tendrá a finales de Septiembre. A fin de cuentas, es de estas yemas de donde brotarán las flores que producirán los pistachos.
Flor femenina sin fecundar (Abril).
Flor femenina fecundada (Agosto).
Otra peculiaridad del pistachero es que sus yemas de flor pueden distinguirse a simple vista gracias a su forma y son plenamente visibles en los meses de Febrero y Marzo, cuando todavía no han brotado las hojas del árbol.
Yemas de flor femenina (Febrero).
Sin embargo, resultaría una tarea titánica contar todas las yemas de flor de todos los árboles de una finca de manera manual.
Para poder poner esta tarea en contexto, tengamos en cuenta los siguientes datos:
De media un árbol femenino de pistacho produce entre 700 y 900 yemas.
Una finca de pistacho mediana mide 20 hectáreas aproximadamente.
En un marco de 6 x 3 m, caben más de 500 plantas por hectárea.
En total, una finca mediana tiene más de 10.000 plantas de pistacho.
De media, suman un total de 8.000.000 de yemas de flor por finca.
Esto planetaba la siguiente duda, ¿cómo contar las yemas de una manera automática y con un bajo coste?
Cámaras multiespectrales e inteligencia artificial
Y como por arte de magia, mientras nos planteábamos esta duda, una empresa pionera en el uso de cámaras multiespectrales combinadas con inteligencia artificial llamó a nuestra puerta. Habían creado una cámara capaz de distinguir cuerpos en las imágenes gracias a un software de inteligencia artificial.
En ese momento comercializaban su tecnología para mejorar la detección de enfermedades y plagas en el vivero.
El equipo de Agerpix y Agróptimum probando las cámaras en el vivero, el uso para el que se pensó la tecnología.
Inmediatamente cerramos un acuerdo de colaboración con ellos y nos lanzamos a experimentar los límites en campo de esta nueva tecnología.
Tras varias pruebas, el equipo de Agróptimum Next consiguió adaptarla para su uso en campo de un modo viable para su uso a gran escala. Para ello, acoplaron las cámaras a un vehículo que circularía entre las calles y situaron un dispositivo de geolocalización con coordenadas para elaborar un plano de yemas de la finca. El tiempo de muestreo por hectárea era de menos de 7 minutos.
En marzo de 2025 realizamos el primer conteo de yemas con inteligencia artificial de la historia en Quintanar del Rey.
Equipo de Agróptimum Next responsable de las mediciones en campo.
Los datos recopilados por este método se contrastaron con un conteo manual exaustivo, mostrando más de un 80 % de precisión en el conteo en la primera versión. Ahora que podíamos conocer con preción la cantidad de yemas de una plantación, solo quedaba dar el paso final.
Vista satelital de la finca.
Plano de yemas de la finca.
La elaboración de un modelo predictivo de regresión lineal
Para poder elaborar un modelo predictivo consistente y preciso es importante que la variable a predecir pueda explicarse por medio de otras variables. Por lo general se recomienda utilizar 4 o 5 variables. En nuestros caso las variables que hemos utilizado son:
Yemas de flor
Cantidad de riego (riego) / precipitaciones esperadas (secano)
Requisito horas frío (variable bivariable, se cumple o no se cumple)
Abonado (variable dummie, del 1 al 10 en función de cómo se cumple)
Con estas variables puede elaborares un modelo predictivo de calidad con el que predecir la variable en el momento t+1. En este caso, la cosecha esperada a los 6 meses del conteo.
Estas son las ecuaciones generales de un modelo de regresión lineal. Es el fundamento de nuestro modelo predictivo.
Además, dos de estas variables, la cantidad de riego y el plan de abonado, son variables controladas y sujetas a un plan durante todo el año, por lo que no es necesario predecirlas para el análisis; sino evaluarlas. Tampoco es necesario predecir la variable «requisito horas frío», porque la predicción se realizará en marzo, cuando ya se conoce. Esto incrementa enormemente la fiabilidad del modelo.
Sin embargo, estos modelos deben ajustarse en base a evidencia empírica y teniendo en cuenta las diferencias entre los valores predecidos y observados en un periodo de tiempo de al menos 10 años. Esperamos que el modelo esté listo para 2035. Además, es posible que se deba abandonar la ténica de regresión lineal por otro tipo de técnicas más sofisticadas a medida que se observe la naturaleza de la serie temporal de la variable «yemas de flor».
Las aplicaciones de esta tecnología
En el estado actual de cosas, esta tecnología nos está permitiendo adaptar los planes de abonado en función de la cosecha esperada para maximizar la producción y garantizar que el árbol absorbe todos los recursos que se le aportan.
Por otro lado, conocer con precisión la cantidad de yemas de flor de una plantación nos permite valorar si un tratamiento de polinización artificial en la finca incrementaría significativamente la cosecha.
Si quieres saber más sobre la polinización artificial, ¡haz click aquí!
En agróptimum estamos investigando técnicas de polinización artificial.
