El uso de drones e IA logró más del 92 % de precisión al evaluar maíz y abre una nueva etapa para acelerar el mejoramiento genético argentino.
Investigadores del INTA Pergamino desarrollaron modelos que utilizan drones, imágenes aéreas de alta resolución e inteligencia artificial para anticipar variables asociadas al rendimiento del maíz, con niveles de precisión superiores al 92 % en híbridos comerciales. Los resultados preliminares serán presentados en el XIII Congreso Nacional de Maíz y cobran relevancia para el agro argentino porque permiten acelerar el fenotipado, reducir tareas manuales y generar información objetiva para los programas de mejoramiento genético. El avance surge de trabajos de la Estación Experimental Agropecuaria Pergamino y apunta a transformar la forma en que se evalúan materiales en los ensayos a campo.
El proyecto incorporó un Vehículo Aéreo No Tripulado (VANT) equipado con tecnología multiespectral y térmica para obtener información de las parcelas desde el aire. La iniciativa forma parte del Programa Nacional de Ecofisiología y Agroecosistemas y articula las áreas de Sistemas de Información Geográfica, Ecofisiología de cultivos y Mejoramiento de Girasol y Maíz. Javier Portillo, investigador de la EEA Pergamino del INTA, explicó que el desarrollo también se integra con otras estaciones experimentales mediante la Red Nacional de Drones del organismo. El objetivo es establecer protocolos que conviertan grandes volúmenes de imágenes en información útil para seleccionar materiales con mayor rapidez y precisión.
Del trabajo manual a medir cientos de parcelas desde el aire
La evaluación tradicional de los ensayos de mejoramiento exige numerosas horas de trabajo y depende, en parte, de la observación de quienes realizan las mediciones. Portillo señaló que los sensores remotos ofrecen una alternativa objetiva, repetible y capaz de registrar características derivadas de la interacción entre el genotipo y el ambiente. La experiencia no se limita al maíz: según informó el INTA, en soja los vuelos realizados durante el ciclo permitieron seguir la evolución de la cobertura foliar y estimar la altura de las plantas con un margen de error inferior al 8 % respecto de las mediciones manuales. La tecnología abre así la posibilidad de analizar más parcelas sin multiplicar proporcionalmente los recursos destinados al relevamiento.
Control biológico: México y Colombia avanzan contra dos amenazas del plátano
En girasol, el equipo avanzó un paso más al combinar las imágenes obtenidas desde el aire con algoritmos de machine learning. De acuerdo con Portillo, esta metodología permitió automatizar la detección de híbridos resistentes a herbicidas comerciales y evaluar simultáneamente un volumen mayor de parcelas. En trigo, en tanto, los investigadores comenzaron a estudiar índices de vegetación para seguir la velocidad de secado del grano antes de la cosecha, una característica estrechamente vinculada con la calidad. El esquema muestra cómo la agricultura digital empieza a trasladarse desde el monitoreo general de los lotes hacia decisiones específicas de selección genética, un terreno estratégico para la competitividad de la industria semillera argentina.
Más del 92 % de precisión y una señal para el maíz argentino
En el XIII Congreso Nacional de Maíz se presentarán dos investigaciones lideradas por José Menes, integrante del grupo de Sistemas de Información Geográfica del INTA. Una de ellas utilizó modelos digitales de superficie generados con drones para calcular la altura de las plantas y alcanzó entre 81 % y 86 % de coincidencia con las mediciones manuales. El dato tiene una aplicación productiva concreta: conocer con precisión la estructura del cultivo puede contribuir a identificar materiales susceptibles al quebrado y al vuelco de tallos, dos problemas capaces de provocar pérdidas al momento de cosechar. Para los programas de mejoramiento, disponer de esta información de manera rápida permite sumar criterios de selección sin aumentar sustancialmente las tareas a campo.
El segundo trabajo apuntó a estimar la fracción de radiación solar interceptada por el cultivo, una variable relacionada directamente con la generación de biomasa y el rendimiento. Tras evaluar más de 60 indicadores, el equipo encontró que el porcentaje de cobertura verde calculado desde imágenes aéreas fue un predictor más preciso que índices tradicionales de agricultura digital como el NDVI. Los modelos consiguieron precisiones superiores al 92 % en híbridos comerciales y al 86 % en líneas de maíz, según los resultados difundidos por el INTA. El avance puede reducir tiempos y costos de evaluación y, sobre todo, ampliar la capacidad de analizar materiales dentro de los programas públicos y privados de mejoramiento.
Para la Argentina, que compite en el mercado internacional no sólo mediante la exportación de granos sino también a través de genética, conocimiento y agregado de valor, estas herramientas representan una oportunidad para ganar eficiencia en un escenario regional cada vez más tecnológico. Brasil y otros competidores agrícolas aceleran la adopción de agricultura digital, biotecnología y sistemas de trazabilidad, por lo que sostener la capacidad de innovación resulta determinante. El trabajo desarrollado en Pergamino muestra que los drones ya no son únicamente instrumentos para observar un lote: combinados con modelos matemáticos e inteligencia artificial, pueden convertirse en una plataforma para seleccionar genética, anticipar variables productivas y fortalecer la competitividad del semillero nacional.