Soja: ROSARIO
$481 -100.97%
Maíz: ROSARIO
$267,50 -0.89%
Trigo: ROSARIO
$291,30 -99.59%
La detección de malezas en alfalfa con drones comerciales fue evaluada por equipos del INTA Catamarca y el INTA Marcos Juárez mediante imágenes RGB y aprendizaje automático. El estudio examinó si equipos accesibles, sin cámaras multiespectrales o térmicas de mayor costo, permiten distinguir la cobertura del cultivo y reconocer sectores degradados.
La experiencia se realizó en un lote de 3,3 hectáreas del Campo Anexo Santa Cruz, perteneciente a la Estación Experimental Agropecuaria Catamarca. Se utilizó un dron DJI Air 3S y se hicieron dos vuelos a 40 metros de altura.
Laura Cano, especialista del INTA Catamarca y coautora, afirmó: “En economías regionales como las del noroeste argentino, el costo de las cámaras multiespectrales suele ser una limitante crítica para asesores y productores”. También indicó: “Buscamos demostrar que con un dron comercial y el uso de algoritmos de Machine Learning como CatBoost, es posible aislar con alta precisión la cobertura útil del cultivo de alfalfa, incluso en momentos donde todo el lote se encuentra verde y en activo desarrollo”.
Carlos Navarro, técnico del INTA Marcos Juárez, procesó las imágenes con CatBoost mediante QGIS y WebODM, plataformas de código abierto. El cálculo estimó una superficie neta de alfalfa del 45,2% en la primera fecha y del 49,1% en la segunda, con una variación de 3,9 puntos porcentuales.
“Al procesar las imágenes con CatBoost en plataformas de código abierto como QGIS y WebODM, logramos una consistencia temporal sobresaliente: determinamos un 45,2 % de superficie neta de alfalfa en la primera fecha y un 49,1 % en la segunda, con una variación de apenas el 3,9 % entre ambos relevamientos”, afirmó Navarro.
El método puede aportar información para orientar recorridas y decisiones de manejo, pero los resultados corresponden al lote y las fechas evaluadas. La experiencia no demuestra por sí sola que el método tenga idéntica precisión en todos los ambientes o mezclas de malezas. Su aporte es mostrar una alternativa con imágenes RGB, software abierto y aprendizaje automático.
