La investigación desarrolla un sistema de bajo coste capaz de medir el crecimiento de los cultivos e identificar características agronómicas clave en tiempo real para mejorar la toma de decisiones en agricultura.
La estudiante del Programa de Doctorado en Systems and Sustainable Engineering de la Universidad Loyola, Fátima Belén Martínez, ha defendido su tesis doctoral con mención internacional titulada “Computer Vision and Neural Networks Applied to the Growth of Crops”, obteniendo la calificación de sobresaliente Cum Laude.
Una alternativa inteligente para el seguimiento de cultivos
La tesis aborda uno de los grandes retos de la agricultura de precisión: la obtención de información fiable y continua sobre el estado de los cultivos mediante sistemas automatizados y asequibles. Para ello, la investigación desarrolla una solución integral basada en visión artificial, redes neuronales e Internet de las Cosas (IoT) capaz de analizar imágenes de cultivos y extraer información relevante para la gestión agronómica.
El sistema diseñado permite determinar parámetros como la altura de las plantas, la detección de espigas y rastrojos en cereales o la identificación precisa de los contornos de cultivos de hoja como la lechuga y la acelga. Todo ello mediante un dispositivo de bajo coste y reducido consumo energético, especialmente concebido para operar en condiciones reales de campo.
Inteligencia artificial para medir el crecimiento de las plantas
La infraestructura desarrollada integra una Raspberry Pi para el procesamiento de algoritmos y un dispositivo LoPy para la gestión energética y la transmisión de datos mediante tecnología LoRaWAN. El sistema programa automáticamente la captura de imágenes en función de las condiciones de iluminación estacionales, garantizando un funcionamiento estable y eficiente.
Para la estimación de la altura de los cultivos, la tesis desarrolla algoritmos que combinan visión estereoscópica y técnicas basadas en referencias visuales. Los resultados obtenidos en cultivos de cebada y trigo muestran errores de apenas un 3 %, lo que demuestra la precisión de las metodologías propuestas para aplicaciones agrícolas reales.
Redes neuronales para identificar espigas, rastrojos y cultivos de hoja
La investigación también evalúa diferentes arquitecturas de redes neuronales para la detección automática de zonas espigadas y de rastrojo mediante modelos de la familia YOLO. Los resultados alcanzan niveles de precisión cercanos al 80 %, permitiendo identificar estas estructuras de forma automática a partir de imágenes captadas por el propio sistema.
En el caso de cultivos hortícolas como la lechuga y la acelga, la tesis desarrolla nuevas metodologías para delimitar con precisión el contorno de las plantas. Entre ellas destaca una estrategia híbrida denominada YKMS8, que combina distintas técnicas de inteligencia artificial y alcanza una precisión superior al 87 %, mejorando simultáneamente la velocidad de procesamiento respecto a otras alternativas evaluadas.
Agricultura inteligente para una gestión más sostenible
Los resultados confirman la viabilidad de emplear sistemas basados en visión artificial e inteligencia artificial para realizar un seguimiento continuo de los cultivos en tiempo real. Además de su precisión, el dispositivo desarrollado destaca por su bajo coste y autonomía energética, siendo capaz de operar durante varios meses en campo con un número reducido de capturas diarias.
La investigación contribuye así al desarrollo de herramientas que facilitan una gestión más eficiente y sostenible de los recursos agrícolas, permitiendo disponer de información objetiva sobre el crecimiento de los cultivos y apoyando la toma de decisiones en la agricultura del futuro.
Investigación en agricultura inteligente
La tesis se enmarca en las líneas de investigación del grupo Optimization and Control of Distributed Systems (ODS) de la Universidad Loyola, que trabaja en el desarrollo de tecnologías para la digitalización de la agricultura mediante dispositivos IoT, sistemas ciberfísicos e inteligencia artificial. Estas soluciones buscan optimizar la gestión sostenible del agua y otros insumos agrícolas, contribuyendo al avance de la denominada Agricultura Inteligente.
La tesis ha sido dirigida por los profesores doctores Pablo Millán Gata y James Brian Romeine, y tutorizada por el profesor doctor Pablo Millán Gata.
El tribunal ha estado constituido por la Dra. Amelia Luque Sendra (Universidad de Sevilla) como presidenta; el Dr. Alejandro Tapia Córdoba (Universidad Loyola) como secretario; y la Dra. Chiara Toffanin (University of Pavia) como vocal.
