Innovaciones de IA en Agricultura: Marco DeepMC

En abril, un agricultor en el este de Washington, EE.UU. está ocupado preparando sus cultivos de trigo y lentejas para la fumigación. El clima acaba de volverse más cálido y las noches frías ya son cosa del pasado. Tiene que tener cuidado al usar ciertos químicos porque si la temperatura baja demasiado, puede dañar las plantas. Para asegurarse de que lo haga bien, checa los pronósticos del tiempo de una estación local que está a unas 50 millas de distancia. Las previsiones prometen temperaturas más cálidas para los próximos tres días, así que renta el equipo necesario y pide los químicos para fumigar sus cultivos. Desafortunadamente, algunas áreas de su granja experimentan temperaturas bajo cero, lo que termina arruinando una parte de los cultivos. Situaciones así pasan a menudo, afectando a muchos agricultores a pesar de tener pronósticos del tiempo. Esto se debe principalmente a que el clima puede variar significativamente de una parte de la granja a otra.

Las tecnologías de inteligencia artificial (IA) pueden ayudar con este problema, y con muchos otros, ya que la necesidad de alimentos está aumentando en todo el mundo. Se espera que el mercado de IA crezca significativamente en los próximos años. La IA puede ayudar a los agricultores de muchas maneras, como cultivar cultivos más saludables, manejar plagas, monitorear la salud del suelo, organizar datos de la granja y mejorar varias tareas agrícolas. A medida que cambian las condiciones climáticas y la población crece, la presión sobre los recursos naturales también aumenta. Usar IA puede hacer que las prácticas agrícolas sean más sostenibles al reducir el desperdicio de agua, el uso excesivo de químicos y el consumo de energía.

Las granjas generan muchos datos diariamente. Un método llamado Agricultura de precisión combina prácticas agrícolas con conocimientos de estos datos usando tecnología de IA. Esto ayuda a los agricultores a obtener un conocimiento más profundo sobre su tierra, lo que lleva a cosechas más sostenibles y rentables.

Microsoft está trabajando en un proyecto para ayudar a los agricultores a ser más productivos y sostenibles a través de tecnología de IA que predice las condiciones climáticas locales en sus granjas. "Microclima" se refiere a las condiciones climáticas en un área pequeña y específica, que pueden ser muy diferentes de ubicaciones cercanas. Entender y predecir las condiciones del microclima es especialmente importante en agricultura, silvicultura, planificación urbana y muchas otras áreas. El sistema DeepMC predice varias condiciones de microclima basándose en datos recopilados de sensores instalados en todo el mundo.

Este artículo habla sobre el marco DeepMC, que es un nuevo enfoque de aprendizaje profundo diseñado para predecir condiciones de microclima en las granjas. DeepMC analiza parámetros como la humedad del suelo, la humedad, la velocidad del viento y la temperatura a lo largo del tiempo. Puede dar pronósticos de 12 a 120 horas de anticipación, dependiendo de la resolución requerida. Muchos casos de estudio muestran su precisión en situaciones del mundo real.

Implementar IA para predicciones de microclima en granjas puede ser complejo. Primero, se debe recopilar datos de la granja antes de que puedan ser procesados por un servicio de IA. En segundo lugar, esta información debe enviarse a la nube para su análisis. Uno de los principales desafíos al usar sistemas IoT para la agricultura basada en datos es la falta de conectividad a internet, especialmente en áreas rurales. Muchas granjas pueden abarcar miles de acres, por lo que los sensores deben colocarse en grandes áreas, cada uno necesitando una conexión para transmitir datos. Las señales también deben llegar a través de densos doseles de cultivos y cubrir largas distancias.

En tercer lugar, crear modelos de IA precisos y confiables para pronosticar microclimas es un desafío. Los factores climáticos pueden cambiar aleatoriamente, lo que dificulta predecir su comportamiento en aplicaciones agrícolas. La alta precisión en las predicciones es crucial para cualquier aplicación de aprendizaje automático. En las predicciones de microclima, una pequeña cantidad de datos etiquetados y características variables dificultan generar resultados precisos.

La confiabilidad también es esencial para el uso regular. Los datos climáticos a menudo son inconsistentes, lo que complica entender cómo diferentes factores se afectan mutuamente con el tiempo. Por ejemplo, la lluvia impacta la humedad del suelo inmediatamente, mientras que la temperatura lo afecta gradualmente.

Además, cualquier sistema de predicción debe funcionar en varios tipos de granjas y condiciones a nivel mundial. A menudo, los datos de calidad no están disponibles para diferentes terrenos o climas, lo que hace necesario desarrollar métodos más inteligentes para adaptar modelos de un entorno a otro con datos limitados.

La capacidad de adaptar predicciones para diferentes situaciones también presenta desafíos. Muchos factores influyen en los parámetros climáticos, lo que significa que un sistema de aprendizaje automático debe manejar entradas variables de manera efectiva. Las predicciones finales necesitan ser fáciles de usar para que los agricultores tomen decisiones.

DeepMC busca abordar estos desafíos utilizando la plataforma FarmBeats y la tecnología de Espacios Blancos de Televisión (TVWS). La plataforma FarmBeats ayuda a recopilar datos climáticos y del suelo de sensores a nivel global. Este sistema es confiable y puede funcionar incluso durante cortes de energía o mal tiempo, lo que es un problema común en las granjas. Los datos recopilados se almacenan en la nube para fácil acceso, y las predicciones se ponen a disposición de los usuarios a través del panel de control de la plataforma.

La tecnología TVWS ayuda a transmitir datos desde las ubicaciones de la granja hasta las unidades de computación. Esta tecnología utiliza espectro de televisión no utilizado para proporcionar conectividad a internet a larga distancia, incluso en áreas rurales. Esto es particularmente beneficioso para las granjas debido a la abundancia de espectro de televisión disponible en estas ubicaciones.

Los datos de estaciones meteorológicas también se utilizan para mejorar las predicciones. DeepMC se entrena y prueba con datos de varias fuentes meteorológicas para crear mejores pronósticos.

El problema de la predicción se aborda utilizando un enfoque de aprendizaje profundo que combina datos de estaciones meteorológicas y sensores IoT de manera efectiva. DeepMC aborda los desafíos discutidos anteriormente en su diseño.

1. Precisión: En lugar de predecir los parámetros climáticos directamente, DeepMC predice la diferencia entre los pronósticos locales y los pronósticos de la estación meteorológica más cercana. Este método es más fácil de aprender y ha mostrado una precisión aceptable.

2. Confiabilidad: DeepMC captura diversas tendencias a lo largo del tiempo mediante un enfoque multiescalar que descompone las señales de entrada en múltiples escalas, haciendo que el modelado sea más confiable.

3. Replicabilidad: DeepMC cuenta con un modelo de aprendizaje profundo único que permite aplicar la información aprendida de una granja a diferentes granjas en todo el mundo.

4. Adaptabilidad: Las técnicas combinadas hacen que DeepMC sea adaptable a diferentes casos de uso en las granjas.

DeepMC se despliega en varias regiones donde se utiliza la tecnología FarmBeats. Este artículo presenta tres escenarios agrícolas típicos afectados por el clima.

Escenario 1 - Fumigación de Herbicidas: DeepMC proporciona pronósticos de temperatura específicos para ubicaciones de granjas. Un agricultor en la región "Palouse" del este de Washington usa DeepMC para decidir cuándo fumigar herbicidas. En el pasado, el agricultor se basaba en pronósticos generales del tiempo, lo que llevó a daños en los cultivos debido a caídas inesperadas de temperatura. Con DeepMC, pudo evitar fumigar durante condiciones de congelamiento, protegiendo sus rendimientos.

Escenario 2 - Humedad del Suelo: Un productor que cultiva tomates en enredaderas usa DeepMC para monitorear con precisión los niveles de humedad del suelo. Si los tomates están demasiado cerca del suelo húmedo, pueden pudrirse. Las predicciones de DeepMC ayudan al productor a tomar decisiones informadas sobre cómo cultivar sus plantas sin enrejados.

Escenario 3 - Control de Invernadero: Un agricultor que controla las condiciones de un tanque de grano usa DeepMC para ayudar a hacer funcionar ventiladores que regulan la humedad y la temperatura. Predicciones precisas de humedad ayudan a asegurar el correcto funcionamiento de los ventiladores, lo que lleva a mejores condiciones de almacenamiento para los cultivos.

El marco DeepMC demuestra cómo la IA puede mejorar el conocimiento de los agricultores y ayudarles a tomar decisiones informadas. Aborda los desafíos de recopilar datos remotos de las granjas y procesarlos para proporcionar información valiosa.

Esta iniciativa promueve la sostenibilidad al permitir que los agricultores controlen mejor los costos y apliquen químicos de manera más efectiva. Al cronometrar correctamente las aplicaciones químicas, los agricultores pueden reducir el uso general y ayudar a prevenir que las plagas desarrollen resistencia.

DeepMC también se asocia con importantes organizaciones agrícolas para ampliar su alcance. Las soluciones de IA se comparten con los agricultores a través de estas colaboraciones, creando un entorno sinérgico que beneficia tanto a las organizaciones como a los agricultores.

El costo es un aspecto clave para hacer que las soluciones de IA sean prácticas para los agricultores. Las innovaciones en tecnología reducen los gastos asociados con el despliegue de sensores y la gestión de operaciones digitales.

Un gran desafío de implementar un marco de IA es cerrar la brecha entre cómo operan los agricultores y la complejidad de la tecnología. Iniciativas educativas están en marcha para enseñar a futuros agricultores sobre el uso de tecnología para mejorar la agricultura. Se han creado kits para estudiantes llenos de sensores y una plataforma de computación para enseñar a los estudiantes sobre datos y su aplicación en la agricultura.

A través de asociaciones, estos kits se distribuyen a organizaciones estudiantiles, y se llevan a cabo talleres para educar a estudiantes y educadores sobre tecnología agrícola.

Se encontraron algunos desafíos al desarrollar y desplegar el marco DeepMC, pero hay soluciones en marcha para abordar estos problemas. El marco es versátil y puede adaptarse a diversas condiciones de granja, demostrando su escalabilidad.

DeepMC también es aplicable en otras áreas donde las predicciones de microclima pueden ser útiles, como la silvicultura o las condiciones marítimas. Para estas aplicaciones, el modelo puede ser reentrenado sin cambiar su estructura básica.

Tanto los agricultores como las organizaciones están encontrando valor en cómo la IA está mejorando el proceso de toma de decisiones en las granjas. La capacidad de usar IA para analizar datos rápidamente significa que los agricultores pueden pasar más tiempo cuidando los cultivos, lo que lleva a mejores rendimientos y operaciones más eficientes.