Este evento reúne a la comunidad técnico-científica, empresarial y a usuarios de las áreas de percepción remota, geoinformática y sus aplicaciones. Durante el simposio, se presentarán trabajos de investigación, desarrollos tecnológicos, avances en la enseñanza y políticas científicas implementadas en Brasil y en el mundo en los últimos dos años.
Inteligencia artificial para mejorar la producción agrícola
En este contexto, un trabajo desarrollado en colaboración con Smartway y el Instituto Nacional de Investigación Agropecuaria (INIA) será presentado en el evento. Smartway es una empresa fundada por graduados de Ingeniería en Electrónica, especializada en soluciones tecnológicas aplicadas a la agricultura.
La investigación, titulada Soybean yield prediction in the eastern Pampas of South America using neural models and open source variables, aborda la predicción del rendimiento de cultivos de soja mediante modelos de aprendizaje profundo y el uso de datos abiertos provenientes de imágenes satelitales, telemetría y variables climáticas.
El estudio analiza el rendimiento de cultivos de soja en Uruguay, Argentina, Brasil y Paraguay a lo largo de cuatro temporadas de cultivo (2021-2024), totalizando 1.519 campos de producción.
“El objetivo principal es desarrollar un modelo predictivo que no dependa de datos específicos del campo que se está evaluando, garantizando así su flexibilidad y escalabilidad para distintas regiones agrícolas”, explica Franz.
Modelos innovadores en el análisis agrícola
Se evaluaron dos escenarios de predicción: rendimiento en el momento de la cosecha y rendimiento con un mes de antelación. Para ello, se entrenaron y compararon cuatro arquitecturas de aprendizaje profundo: redes neuronales recurrentes (RNN), redes neuronales convolucionales (CNN), perceptrones multicapa (MLP) y Transformers (TRN).
Los resultados indican que la CNN obtuvo el mejor desempeño en la predicción a cosecha, con un error cuadrático medio (RMSE) de 486 kg/ha, mientras que la RNN destacó en la predicción temprana, con un RMSE de 496 kg/ha.
Estos hallazgos subrayan el potencial del aprendizaje profundo para la predicción del rendimiento de cultivos a nivel de campo y su aplicabilidad en la toma de decisiones agrícolas.
“La participación en el XXI SBSR representa una oportunidad clave para compartir estos avances con la comunidad internacional y fortalecer la colaboración en el ámbito de la inteligencia artificial aplicada a la agricultura”, dice Franz.