• El equipo ayudó a identificar, con alta precisión, las hojas sanas y las enfermas con oidio y roya de la soja.
  • La tecnología tiene varias aplicaciones, como la identificación temprana de enfermedades en los cultivos o la búsqueda de los pastos más adecuados para maximizar la producción de leche.
  • El sistema de reconocimiento se puede integrar en máquinas agrícolas, drones o teléfonos móviles.
  • La misma tecnología se utiliza en los aeropuertos para identificar objetos peligrosos en maletas.

Equipos que permiten capturar y simular señales cerebrales comenzaron a probarse en Brasil, en 2022, para detectar enfermedades en etapa temprana en cultivos de soja, utilizando inteligencia artificial (IA). El trabajo se realiza a través de una sociedad entre Embrapa y las empresas Macnica DHW e InnerEye, este último desarrollador de BrainTech, equipo que capta señales neuronales de especialistas a través de un casco con electrodos, similar a un electroencefalograma (EEG). El sistema, entonces, simula el funcionamiento del cerebro cuando los especialistas ven imágenes de plantas enfermas, automatizando el etiquetado y haciendo que el paso sea más rápido y eficiente. Con esto, los investigadores esperan agilizar la toma de decisiones, reducir pérdidas en los emprendimientos rurales y racionalizar el uso de los recursos naturales.

“Esta es una iniciativa pionera de Embrapa que está uniendo la tecnología disruptiva BrainTech, traída exclusivamente por Macnica DHW para Brasil. Al asociar señales neuronales de EEG y AI, es posible crear una máquina que imita el cerebro humano con alta confiabilidad”, observa el Gerente de Soluciones IoT & AI de Macnica DHW, Fabrício Petrassem.

La prueba y validación del sistema contó con la participación del desarrollador Yonatan Meir, de InnerEye, quien vino desde Israel en agosto, especialmente para este fin. “Al capturar las ondas cerebrales, la solución de InnerEye es capaz de identificar el juicio y la clasificación de una imagen observada por una persona, lo que permite etiquetar esa imagen de forma automática e inmediata”, explica Meir.

El sistema ya se utiliza en aeropuertos europeos para identificar objetos peligrosos en maletas. En 2019, Macnica DHW buscó a Embrapa para, en asociación, explorar la tecnología en el sector agrícola, con posibles nuevas aplicaciones. El primero fue el de detección temprana de enfermedades de las plantas, cuyos experimentos comenzaron en abril de 2022.

El experimento

“Las herramientas de IA evolucionaron mucho y, con datos de buena calidad, pueden resolver casi cualquier problema”, dice Jayme Barbedo , investigador de Embrapa Agricultura Digital , que lidera el proyecto para la Compañía. El reto, según apunta, es obtener esos ‘datos de calidad’, que además de ser recogidos necesitan ser etiquetados por especialistas. Un proceso costoso y lento en el que el equipo ayudará.

Los primeros resultados del experimento fueron positivos, ya que el equipo ayudó a identificar, con alta precisión, las hojas enfermas (mildiú y roya de la soja) y las sanas. Ahora, el proyecto debe ir más allá de la detección de plantas enfermas/no enfermas y avanzar hacia la identificación del tipo de enfermedad presente en el cultivo de soja, comenzando por las de mayor importancia comercial. También se está articulando la inclusión de los cultivos de maíz y café en las experiencias con los respectivos centros de investigación de Embrapa.

En abril, el equipo fue llevado a Brasil a la sede de Macnica DHW, multinacional japonesa, ubicada en Florianópolis (SC). Allí, la estructura fue montada para el experimento de captura de señales cerebrales por los fitopatólogos Cláudia Godoy y Rafael Soares de Embrapa Soja . Ambos evaluaron alrededor de 1.500 imágenes de hojas enfermas y sanas para realizar pruebas con el casco recolector.

La etapa de prueba de concepto mostró que los modelos generados a partir de los electroencefalogramas de los especialistas son capaces de manejar bien las imágenes, lo que permite entrenar la máquina para identificar plantas enfermas. “La combinación de las imágenes etiquetadas –enfermo/sano– con las señales cerebrales de los especialistas resultó en una mejora en el desempeño del modelo, lo que indica la viabilidad del uso de IA”, destaca Barbedo.

Inteligencia artificialÁrea de investigación que tiene como objetivo diseñar, desarrollar, aplicar y evaluar métodos y técnicas en la creación de sistemas inteligentes capaces de adquirir e integrar, por sí mismos, conocimientos sobre el dominio en el que operan, con el fin de mejorar progresivamente su desempeño en relación con el cumplimiento de tus metas.

Primeras impresiones

“La experiencia fue muy interesante, porque el sistema aprende a identificar imágenes de hojas enfermas a partir del conteo que se hace en silencio al visualizar las enfermas y sanas, que rápidamente pasan en una pantalla de computadora para la identificación de señales cerebrales”, informa Cláudia Godoy ( foto de la izquierda ). “Con la evolución del entrenamiento artificial, estas tecnologías de reconocimiento pueden ser utilizadas por personas que no tienen mucho conocimiento de enfermedades, ayudando en el manejo”, detalla.

Según Soares, se eligieron dos enfermedades para este experimento: la roya asiática, la enfermedad de mayor importancia económica que afecta al cultivo, y el oídio, relevante en el sur de Brasil. “Se escogieron estas enfermedades porque, además del impacto que tienen en el cultivo de soja, provocan dos tipos distintos de síntomas foliares en la planta, y también porque había una adecuada disponibilidad de imágenes para la evaluación”, explica Soares.

Para el investigador, la mejora de las herramientas de manejo de enfermedades de la soja es relevante porque “detectar y diagnosticar enfermedades es una de las mayores dificultades que se encuentran en el manejo de cultivos, y tecnologías innovadoras que agreguen información a estas prácticas son deseables y necesarias”, destaca.

Los costos con la roya asiática superan los US$ 2 mil millones por cultivo en BrasilDesde su introducción en Brasil, en 2001, la roya asiática de la soja ( en la foto a la derecha ), causada por el hongo  Phakopsora pachyrhizi , ha sido la enfermedad más grave en el cultivo y puede provocar pérdidas de hasta el 80%, si no se controla. Según encuestas del Consorcio Antiferrugem, los costos con la enfermedad superan los US$ 2 mil millones por cultivo en Brasil, considerando la compra de fungicidas y las pérdidas de productividad que provoca.Las estrategias de manejo se centran en prácticas como el barbecho, que es un período de al menos 90 días sin plantas vivas de soja en el campo, para reducir el inóculo del hongo. El uso de cultivares de ciclo temprano y siembra al inicio del período recomendado, la adopción de cultivares resistentes, el respeto al calendario de siembra y el uso de fungicidas también ayudan en el control.Actualmente, el hongo  P. pachyrhizi  tiene mutaciones que le confieren resistencia a los tres grupos principales de fungicidas específicos del sitio y se pueden seleccionar nuevas mutaciones con el tiempo. “El hongo que causa la enfermedad es capaz de adaptarse a algunas de las estrategias de control, ya sea perdiendo la sensibilidad a los fungicidas o ‘rompiendo’ la resistencia genética de los cultivares de soja”, explica Cláudia  Godoy .Por lo tanto, la recomendación de Embrapa es que los productores adopten las estrategias de manejo disponibles, con el objetivo de preservar los fungicidas y los cultivares disponibles. “Todas las estrategias, usadas en conjunto, han permitido un adecuado manejo de la enfermedad”, advierte Godoy.El oídio puede causar pérdidas de hasta un 35%Aunque el mildiú polvoroso no tiene el mismo impacto económico que la roya asiática de la soja, hay informes de pérdidas de productividad que van del 10% al 35%. La enfermedad es causada por el hongo  Erysiphe diffusa , que provoca una fina capa blanquecina en pequeñas manchas o cubre toda la parte aérea de la planta, especialmente las hojas. En infecciones severas, las hojas pueden secarse y caer prematuramente.La enfermedad es favorecida por períodos de baja humedad y temperaturas suaves (18 ºC a 24 ºC), siendo más común en la región sur de Brasil, en las regiones altas y en siembras tardías, debido al clima más favorable. “Las estrategias de control de enfermedades implican el uso de cultivares resistentes y el control químico”, informa el investigador  Rafael Soares .Fotos (roya y oídio): Embrapa

Cómo funciona la tecnología BrainTech

El sistema “imita” el funcionamiento cerebral de los especialistas cuando visualizan imágenes de plantas enfermas, automatizando el etiquetado y haciendo más rápido y eficiente el paso. La idea es simular, lo más fielmente posible, el proceso cerebral de un experto cuando identifica algo o toma una decisión, como se hacía con los fitopatólogos.

El primer paso es la calibración del modelo, ajustando el casco con los electrodos en la cabeza del especialista para identificar sus señales cerebrales. “Cada persona tiene un patrón cerebral diferente, es decir, las señales eléctricas del cerebro son diferentes de persona a persona. Por eso, hay que calibrar cada uno para que la modelo entienda lo que está pensando”, explica Barbedo.

Una vez que el sistema ha ‘aprendido’ cómo trabaja la persona, comienza el proceso de etiquetado de la base de datos. Se indica a los especialistas que enumeren (1, 2, 3…) las hojas enfermas cuando las vean en la pantalla, que muestra tres imágenes por segundo. El sistema capta las señales cerebrales emitidas con cada nuevo estímulo, a diferencia de cuando se visualiza una hoja sana.

Según el líder del proyecto, el proceso de conteo no es obligatorio, pero refuerza las señales cerebrales, facilitando la diferenciación entre lo que está enfermo y lo que está sano. El sistema permite la visualización de hasta diez imágenes por segundo.

Fiabilidad de los resultados

Con una duración media de media hora, cada sesión permitió etiquetar más de mil imágenes, una tarea que en el sistema manual llevaría días. Además de ganar en agilidad en el proceso de etiquetado, Barbedo destaca la fiabilidad del sistema, “que cuenta con mecanismos de corrección de posibles errores, haciendo más fiable el modelo entrenado”.

El sistema es capaz de identificar si el especialista ha parpadeado o está perdiendo la atención en el proceso de visualización de las imágenes en secuencia a través de señales neuronales. En estos casos, el sistema descarta el resultado y vuelve a mostrar la imagen más tarde. El sistema BrainTech genera una curva indicativa de atención, pausando el experimento para descansar cuando cae a un nivel crítico para la confiabilidad de los resultados.

Además, el sistema es capaz de detectar el nivel de certeza del experto al visualizar la imagen, lo que se denomina soft label . El uso de este parámetro permite la mejor calibración del modelo según el nivel de experiencia de cada especialista; en consecuencia, esto trae mayor precisión en la decisión del modelo de IA.

Aplicaciones en el agro

La tecnología abre varias posibilidades de aplicación en el sector agrícola. Los modelos entrenados podrían incorporarse a maquinaria agrícola, aplicaciones de telefonía celular y trabajar en actividades con falta de mano de obra especializada.

Una aplicación más racional de plaguicidas, con menor coste económico y menor impacto ambiental, y la producción de alimentos de forma más limpia y sostenible sería posible con modelos entrenados embebidos en maquinaria, que identificaran, en tiempo real y en parcelas específicas, la necesidad de aplicación de defensivos al paso por las líneas de producción.

“Incrustar este modelo en una aplicación móvil le daría al productor agilidad en la toma de decisiones cuando se identifiquen enfermedades y síntomas de patologías, acelerando la adopción de las medidas necesarias”, dice Barbedo.

El investigador también destaca la pertinencia del uso de la tecnología en la estrategia de rotación de pastos para la ganadería lechera, área en la que faltan especialistas. La elección de los potreros más adecuados para maximizar la producción de leche la realiza un técnico experimentado en identificar la mejor ubicación y el número ideal de animales. “El sistema podría simular la actividad de este especialista para realizar un arrendamiento tecnológico. La mayoría de las propiedades no tienen a alguien con esta experiencia”, concluye.

Valéria Cristina Costa (MTb 15.533/SP)
Embrapa Agricultura Digital

Pin It on Pinterest

Compartir

Comparte este contenido en tus redes sociales!