Entre Plantae, especializada en sensores agrícolas, y la Universidad de Carlos III de Madrid, han desarrollado nuevos modelos predictivos basados en inteligencia artificial que ayudan a optimizar el riego en cultivos como el olivar. Usando datos de sensores de humedad del suelo, temperatura y otros factores, el sistema permite planificar el riego de forma más eficiente, ahorrando agua y energía.
IA para optimizar el riego en cultivos
El proyecto integra una base de datos real con más de 10 000 sensores desplegados en explotaciones, generando aproximadamente 10 millones de datos mensuales.
Se utilizan algoritmos de inteligencia artificial que aprovechan ese Big Data agrícola para anticipar las necesidades hídricas, calcular riegos, prever condiciones climáticas adversas (heladas, granizo, sequías, lluvia intensa) e incluso alertar sobre plagas.
Los datos son recogidos por sensores de bajo coste y comunicación inalámbrica, que incluyen:
- Sensores de humedad del suelo: a distintas profundidades.
- Sensores de temperatura (suelo y ambiente).
- Caudalímetros: para medir el volumen de agua distribuido.
- Pluviómetros, anemómetros y radiación solar.
- En desarrollo: sensores de macronutrientes (NPK) para diagnóstico de abonado.
“Nuestro objetivo es anticiparnos a lo que va a ocurrir, facilitando al agricultor o al técnico recomendaciones específicas sobre cantidades de riego o acciones preventivas en sus cultivos con una antelación de hasta diez días”, ha precisado Samuel López, CEO y cofundador de Plantae.
Además conseguir la mejora del uso del agua, ahorro energético, prevención climática y plagas, y potencial para un sistema integral que incluso controle abonado. Se han conseguido ahorros de agua de hasta un 30 % y un 50% en explotaciones intensivas, gracias a la optimización del riego.
“Actualmente, nuestros modelos predictivos están enfocados en olivos y tomates, pero la metodología desarrollada es aplicable a más de 80 tipos de cultivos, desde extensivos hasta leñosos”.
Modelos predictivos con IA para optimizar el riego
Son modelos de aprendizaje automático (machine learning), que se entrenan sobre grandes volúmenes de datos agrícolas.
- Redes neuronales artificiales para reconocer patrones en la evolución de humedad, temperatura y riego.
- Modelos predictivos supervisados, alimentados por datos reales de campo (más de 10 millones de registros mensuales).
- Sistemas híbridos que combinan entradas meteorológicas (predicción climática) con datos de sensores de suelo y planta.
La innovación la recogen medios digitales
Desarrollan nuevos modelos predictivos con IA para optimizar el manejo del riego en cultivos como el olivar
“Todo este modelado de datos nos permite adelantarnos a las necesidades de la finca, bien sea en la necesidad de riego o en la expulsión de aire. Al fin y al cabo, los datos y la IA están ahí para utilizarlos y hacernos la vida más fácil, ayudando no sólo a los agricultores en la toma de decisiones, sino haciendo la agricultura más eficiente y sostenible”, concluye Samuel López…(+INFO)
Plantae innova con IA y sensores para anticipar necesidades hídricas en más de 80 cultivos
“Los datos y la inteligencia artificial están ahí para utilizarlos y hacernos la vida más fácil, ayudando no solo a los agricultores, sino haciendo la agricultura más eficiente y respetuosa con el medio ambiente”, concluye Samuel López…(+INFO)
Desarrollan nuevos modelos predictivos con IA para optimizar el manejo del riego y los cultivos
“Plantae, una start-up apoyada por el Parque Científico C3N-IA de la Universidad Carlos III de Madrid (UC3M) y especializada en agricultura de precisión, ha desarrollado nuevos modelos predictivos mediante inteligencia artificial (IA) para anticipar las necesidades hídricas, optimizar el riego y aumentar la productividad de los cultivos”…(+INFO)
Fuentes
Difusión en castellano en AlphaGalileo:
https://www.alphagalileo.org/es-es/Item-Display-es-ES/ItemId/259164
Difusión en inglés en el portal AlphaGalileo:
https://www.alphagalileo.org/es-es/Item-Display-es-ES/ItemId/259165
Difusión en francés en el portal AlphaGalileo:
https://www.alphagalileo.org/es-es/Item-Display-es-ES/ItemId/259166
Difusión en chino en el portal AlphaGalileo:
https://www.alphagalileo.org/es-es/Item-Display-es-ES/ItemId/259169
Difusión en portugués en el portal AlphaGalileo:
https://www.alphagalileo.org/es-es/Item-Display-es-ES/ItemId/259167
Spanish 
English