Seleccionar página

verticalidades

Aplicaciones de predicción y/o detección de enfermedades

Los métodos convencionales para la detección de enfermedades se fundamentan en la inspección visual de síntomas y daños en campo, siendo costosos en tiempo y recursos. Una alternativa a estos métodos es la monitorización de estas por cualquier medio de teledetección o la predicción mediante modelos que se basan principalmente en medidas obtenidas por sensores ambientales.

La detección temprana es fundamental para realizar un uso racionalizado de fungicidas que eviten la propagación del patógeno al resto de la plantación. Los satélites, los drones, las cámaras de video fijas han demostrado ser herramientas muy útiles para detectar síntomas en estados tempranos del desarrollo a escala de cubierta.

↑ Fig: Mapa continuo del índice de estrés hídrico de cubierta (CWSI) en una parcela de olivar volada con vehículo aéreo no tripulado, mostrando en color rojo la presencia de infección por Verticillium dahliae (Fuente: Calderón et al., 2013)

Por otro lado, la predicción del riesgo de enfermedades mediante modelos matemáticos entre huésped, patógeno y valores de parámetros climáticos obtenidos mediante sensores de precisión próximos o lejanos están ayudando a la toma de decisiones en tiempo real para la aplicación de los tratamientos fitosanitarios para el control de la enfermedad o la realización de un muestreo de detección de esta. La utilización de estos modelos permite una reducción del número de aplicaciones con fitosanitarios comparado con los tratamientos realizados a cadencia fija que suele oscilar entre el 30 % y el 50 %, consiguiendo el mismo control de la enfermedad. Y por otro lado, este aviso temprano permite al agricultor proteger su cultivo en el momento crítico para prevenir daños a la producción.

Ventajas de estas aplicaciones instaladas en el backend de las plataformas web IoT:

    • Aplicación de fungicidas más eficientemente.
    • Reducción de los daños a la producción, maximizando esta.
    • Reducción gastos de personal optimizando los recursos.