Las posibilidades que ofrecen las nuevas tecnologías a los agricultores les permiten, entre otras cosas, consumir menos agua, automatizar tareas, aumentar el rendimiento de las cosechas y combatir las plagas de forma más eficaz. En esta revolución que está teniendo lugar en el campo, también en España, tienen un protagonismo especial los drones, capaces de fumigar 240.000 metros cuadrados en 60 minutos, lanzar 450.000 semillas al día para reforestar los bosques tras los incendios o espantar a los pájaros para mantener las plantaciones libres de picotazos.

El rango de aplicaciones es amplísimo, pero siempre hay quien busca nuevas maneras de aprovechar las ventajas que ofrecen a la hora de vigilar grandes superficies. La última de estas investigaciones, a cargo de un equipo de la Universidad de Modena y Reggio Emilia (Italia), recurre a drones comerciales de DJI y a un software de inteligencia artificial para detectar la plaga invasora de la chinche apestosa marrón (también conocida como BMSB o Halyomorpha halys). Esta plaga originaria de Asia, que ha afectado especialmente a países como Italia, también afecta a nuestro país desde 2016, con graves daños en cultivos frutales y hortícolas, sobre todo en provincias como Girona.

"Nuestro objetivo era encontrar una forma fiable de vigilar a estos insectos invasores sin los efectos negativos de los métodos utilizados actualmente, que consumen mucho tiempo y energía", declaró en un comunicado de prensa Lara Maistrello, coautora principal del estudio publicado en la revista SCI Pest Management Science. En el texto, los investigadores describen las posibilidades de automatización que aportan los drones y el entrenamiento de redes neuronales convolucionales para alcanzar una precisión de detección del 97%.

Detectando plagas

Las chinches marrones, con su cuerpo en forma de escudo y un tamaño de unos 15 mm, conforman una plaga invasora voraz que se ha encontrado en casi 200 géneros de plantas, con predilección por cultivos como el de la pera, la manzana, el pimiento o el tomate. Los costes económicos derivados de su presencia pueden ser terribles, como ha sucedido en países como EEUU. Su llegada a Europa es relativamente reciente, y en Italia los daños se estiman en más de 588 millones de euros, con un brote que afectó especialmente a la producción frutícola del país transalpino en 2019.

Para monitorizar su presencia, habitualmente se utilizan las trampas de feromonas, diseñadas para atraerlos desde más de 70 metros de distancia cuando se usan con plantas huéspedes en un huerto. Sin embargo, no es una solución efectiva a la hora de atrapar ejemplares, ya que son pocos los que caen en la trampa y algunos escapan a las plantas circundantes, donde se alimentan aumentando los daños. Otros métodos, como el muestreo visual o las redes de barrido, implican la contratación de abundante mano de obra y suelen ser ineficaces en grandes áreas de cultivo.

"Los métodos de seguimiento actuales tienen algunos inconvenientes importantes, como el desbordamiento de las trampas y el coste de que los operadores realicen un seguimiento activo", sostiene Daniele Giannetti, investigador de la Universidad de Parma y coautor principal del artículo.

Para sustituir estos sistemas de control de plagas convencionales, ineficaces y de alto coste, estos investigadores italianos han desarrollado un protocolo de vuelo automatizado para drones a partir de redes neuronales convolucionales, capaces de reconocer patrones complejos y detectar así especies invasoras como la H. halys.

De hecho, en su estudio evalúan la influencia de los drones en el comportamiento de los insectos, comparan el seguimiento realizado por el dron con el realizado por un operador de forma manual, valoran la calidad de las imágenes obtenidas para la identificación basada en inteligencia artificial y prueban el reconocimiento automático de H. halys mediante la IA.

Desde 8 metros de altura

Para sus pruebas, realizadas en una pequeña plantación de perales cerca de la ciudad de Carpi, en la región de Emilia Romaña, los investigadores usaron el dron Matrice 300 de DJI, elegido por la fiabilidad de su sistema anticolisión. En cuanto a la cámara para registrar las imágenes, eligieron la DJI Zenmuse H20, "por su capacidad para capturar imágenes a diferentes distancias manteniendo la resolución deseada".

Otras de las ventajas que ofrece el Matrice 300 para este trabajo es su posicionamiento extremadamente preciso en tiempo real, con un margen de error de sólo 1 cm cuando se conecta a entre 12 y 20 satélites. Sin embargo, el equipo es voluminoso y pesado (6,3 kg, 7 kg con la cámara incluida), y el diámetro de las hélices abiertas supera el metro. Eso implica que la anchura de los pasillos en los huertos debería ser igual o superior a 3 metros (algo poco habitual), ya que un espacio más estrecho afectaría al sistema anticolisión del dispositivo.

Para superar este obstáculo, la Zenmuse H20 ofrece características únicas, como su estabilización de imagen con el gran angular de 12 MP, además de un sensor principal de 20 MP con un zoom óptico de 23x. Estas especificaciones permitieron a los científicos elevar el dron por encima de los 8 metros de altura, y aún así captar con detalle hasta las características más pequeñas del cuerpo de la chinche marrón, de sólo 0,2 mm.

Tras varias pasadas del dron, consiguieron tener una completa biblioteca de imágenes del insecto para entrenar la IA. A partir de esas imágenes, desarrollaron el protocolo de vuelo automatizado, controlado mediante una aplicación móvil, y un modelo de gran rendimiento para detectar con una precisión de hasta el 97% la presencia de ejemplares de H. Halys en el huerto.

Además, descubrieron que el dron resultaba mucho menos molesto para la chinche que la presencia de observadores humanos, y eso les permitió obtener datos muy precisos sobre la distribución de la plaga. De hecho, la presencia del dispositivo tenía un curioso efecto en los insectos adultos, que mostraron un comportamiento de congelación en respuesta. Eso facilitó primero la captura de imágenes de alta resolución y después su reconocimiento gracias a la IA.

"Las implicaciones de esta tecnología son significativas para las estrategias de gestión integrada de plagas, incluido el desarrollo de modelos de previsión precisos que se adapten a las condiciones meteorológicas y ambientales. Esto es especialmente importante hoy en día ante el rápido cambio climático", señaló Giannetti. Además, este sistema puede tener otras aplicaciones, una vez adaptado a otros cultivos y entrenado con imágenes de otras plagas.