La productividad de la alfalfa, uno de los principales cultivos forrajeros perennes, depende en gran medida de mantener una cobertura uniforme y reducir la competencia de las malezas.

En ese sentido, conocer con precisión cuánto ocupa cada especie dentro de un lote resulta fundamental para evaluar su estado, definir medidas de manejo y determinar si es necesario renovar el cultivo.

Con ese objetivo, especialistas del INTA Catamarca y del INTA Marcos Juárez desarrollaron una herramienta que permite diferenciar la alfalfa de las malezas en estado vegetativo mediante imágenes obtenidas con drones comerciales y algoritmos de aprendizaje automático.

“La metodología representa una alternativa accesible para diagnosticar lotes degradados, especialmente en las economías regionales, donde el costo de los equipos de mayor complejidad puede limitar su adopción”, aseguran los técnicos.

El monitoreo preciso de la cobertura vegetal y del estado de los cultivos es clave para determinar su viabilidad productiva.

Sin embargo, la evaluación visual en el terreno puede resultar insuficiente, sobre todo en superficies extensas o cuando existe una elevada presión de malezas. Frente a esta dificultad, las herramientas de agricultura de precisión ofrecen nuevas posibilidades para obtener diagnósticos más confiables y orientar las decisiones de manejo.

Para superar las barreras económicas que representan las cámaras multiespectrales o térmicas tradicionales, los investigadores trabajaron con sensores ópticos RGB convencionales, integrados en drones de uso masivo.

El desafío consistía en distinguir la alfalfa de las malezas cuando ambas se encuentran en activo crecimiento y presentan características visuales similares.

Este escenario, conocido como “verde sobre verde”, representa una de las principales dificultades técnicas, ya que las cámaras estándar no cuentan con bandas infrarrojas que permitan diferenciar con mayor facilidad las especies vegetales.

Al respecto, Laura Cano, especialista del INTA Catamarca y una de las autoras del trabajo, explicó: “En economías regionales como las del noroeste argentino, el costo de las cámaras multiespectrales suele ser una limitante crítica para asesores y productores”.

En ese contexto, la investigación buscó comprobar que es posible obtener resultados precisos con equipamiento de uso comercial.

“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”, detalló Cano.

La experiencia se realizó en un lote de alfalfa de 3,3 hectáreas, ubicado en el Campo Anexo Santa Cruz de la Estación Experimental Agropecuaria Catamarca. La metodología contempló dos vuelos con un dron DJI Air 3S, a una altura de 40 metros, en diferentes momentos del ciclo del cultivo.

FUENTE: InfoCampo.