Lanzan plataforma de inteligencia artificial para optimizar producción agrícola
Syngenta presentó Soil Data Fusion, una plataforma que utiliza inteligencia artificial para procesar datos agrícolas de distintas fuentes y elaborar recomendaciones de manejo específicas para cada ambiente del lote.
- Soil Data Fusion integra análisis de suelo, mapas de rendimiento, imágenes satelitales, datos topográficos y sensores remotos mediante algoritmos de machine learning
- La plataforma ha sido entrenada durante tres años con información de aproximadamente 15.000 hectáreas distribuidas en distintas regiones de Argentina
- El sistema analiza miles de imágenes satelitales de alta resolución y agrupa sectores similares en "clases de suelo" para análisis posterior
Durante el Congreso de Aapresid, realizado con impulso de Expoagro en Rosario, se presentó Soil Data Fusion, plataforma desarrollada por Syngenta en colaboración con el INTA, Aapresid y la Secretaría de Agricultura de la Nación. La herramienta utiliza inteligencia artificial para integrar distintas fuentes de información disponible en los lotes agrícolas e identificar qué factores limitan el rendimiento en cada ambiente.
El sistema reúne análisis de suelo, imágenes satelitales, mapas de rendimiento, datos topográficos y sensores remotos, procesándolos mediante algoritmos de machine learning e inteligencia artificial. Catriel Pedernera, de Syngenta, explicó que "todos los datos que tenga el productor a disposición los ponemos en un solo lugar, los analizamos, hacemos el diagnóstico y entregamos la recomendación". Un diferencial importante radica en el muestreo del suelo: en lugar de distribuir puntos uniformemente, el sistema analiza primero la variabilidad del lote para determinar dónde conviene tomar muestras.
La plataforma ha sido entrenada durante tres años con información obtenida en aproximadamente 15.000 hectáreas distribuidas en distintas regiones del país. Doron Gal, también de Syngenta, explicó que el sistema analiza miles de imágenes satelitales de alta resolución y sigue el comportamiento de cada píxel a lo largo de distintas campañas agrícolas, construyendo "clases de suelo" que sirven de base para el análisis posterior. Cuantos más datos se suman, mayor es la precisión del diagnóstico.
En un caso presentado por Hernán René Sainz Rozas, jefe del Laboratorio de Suelos del INTA Balcarce, la plataforma analizó un lote del norte de Santa Fe determinando que fósforo, zinc y boro eran las principales limitantes de productividad. El sistema permitió identificar que el fósforo justificaba aplicaciones variables debido a amplios sectores con niveles por debajo de los adecuados, coincidiendo con ensayos del INTA que mostraban respuesta favorable a la fertilización, según reportó La Nación.
Este artículo fue redactado con asistencia de IA a partir de fuentes públicas y está sujeto a revisión editorial de Ahora.
