FARMINGTON, Washington – Las suaves colinas del este de Washington han producido abundantes cosechas de trigo, cebada y lentejas durante mucho tiempo.
El agricultor de quinta generación Andrew Nelson agrega un nuevo cultivo a esta generosidad: datos.
Lo recoge de sensores en tierra, drones en el cielo y satélites en el espacio. Le brindan a Nelson información sobre su granja en varios puntos, todos los días, durante todo el año: fluctuaciones de temperatura, humedad del suelo y niveles de nutrientes, salud de las plantas y más.
Nelson, a su vez, introduce esos datos en Project FarmVibes, la nueva suite de tecnología centrada en granjas de Microsoft Research. A partir de hoy, Microsoft abrirá estas herramientas para que los investigadores y científicos de datos, y el agricultor raro como Nelson, que también es ingeniero de software, puedan confiar en ellas para convertir los datos agrícolas en acciones que puedan ayudar a aumentar los rendimientos y reducir los costos.
El primer lanzamiento de código abierto es FarmVibes.AI. Es una colección ejemplar de algoritmos destinados a inspirar a la comunidad de investigación y ciencia de datos a desarrollar una agricultura basada en datos. Nelson utiliza este conjunto de herramientas impulsado por IA para ayudar a tomar decisiones en cada etapa de la agricultura, desde que la semilla se pone en el suelo hasta después de la cosecha.
Los algoritmos FarmVibes.AI con tecnología de Microsoft Azure predicen la cantidad ideal de fertilizante y pesticida que debe usar Nelson y dónde aplicarlo; predecir la temperatura y la velocidad del viento en sus campos, informándole cuándo y dónde planta y fumiga; determinar la profundidad ideal de siembra de semillas en función de la humedad del suelo; y dígale cómo diferentes cultivos y prácticas pueden almacenar carbono en su suelo.
Andrew Nelson examina una imagen de FarmVibes.AI que identifica malezas en uno de sus campos. Fue creado a partir de imágenes multiespectrales de drones y servirá de base para las decisiones de tratamiento de Nelson este otoño. (Foto de Dan DeLong para Microsoft)
“Project FarmVibes nos permite construir la granja del futuro”, dijo Nelson, quien se asoció con Microsoft Research para convertir su sitio de 7500 acres en un campo de pruebas de Project FarmVibes. “Estamos mostrando el impacto que la tecnología y la IA pueden tener en la agricultura. Para mí, Project FarmVibes ahorra mucho tiempo, ahorra mucho dinero y nos ayuda a controlar cualquier problema que tengamos en la granja”.
Las nuevas herramientas surgieron del trabajo de Microsoft con grandes clientes como Land O’Lakes y Bayer para integrar y analizar datos. Project FarmVibes refleja las últimas investigaciones sobre agricultura de precisión y sostenible.
Microsoft quiere extenderlos más allá de Washington mediante el suministro abierto de sus últimas herramientas de investigación para ayudar a resolver el apremiante problema alimentario mundial, dijo Ranveer Chandra, director ejecutivo de Investigación para la Industria.
Para 2050, tendremos que duplicar aproximadamente la producción mundial de alimentos para alimentar al planeta, dijo Chandra. Pero a medida que el cambio climático se acelera, los niveles de agua bajan y la tierra cultivable desaparece, hacerlo de manera sostenible será un gran desafío.
“Creemos que uno de los enfoques más prometedores para resolver este problema es la agricultura basada en datos”, dijo.
En Microsoft, trabajamos para empoderar a los productores con datos e inteligencia artificial para aumentar su conocimiento agrícola y ayudarlos a cultivar alimentos nutritivos de manera sostenible.
La investigación está dando sus frutos
Hasta hace poco, la granja de Nelson era como muchas otras en todo el mundo. Tenía Internet en su casa, pero la señal de wifi se acababa en su puerta. Sus 7.500 acres eran una zona muerta.
Ahora usa una solución de Project FarmVibes llamada FarmVibes.Connect, que eventualmente será de código abierto de Microsoft, para conectar áreas remotas y rurales. Proporciona acceso de banda ancha a través de espacios en blanco de TV, el espectro no utilizado que parpadea como “nieve” entre canales. Hoy, Nelson tiene una antena de TV de espacio en blanco alimentada por energía solar que también funciona como un enrutador Wi-Fi, pero puede cubrir la mayor parte de su granja.
Esa conexión le permitió obtener información de la suite FarmVibes.AI. Ahora disponible en GitHub, FarmVibes.AI incluye:
-
- Async Fusion, que combina imágenes de drones y satélites con datos de sensores terrestres para proporcionar información. Por ejemplo, Nelson usa Async Fusion para crear mapas de calor ricos en nutrientes a partir de imágenes multiespectrales de drones y datos de sensores terrestres. Estos mapas se utilizan para distinguir entre plantar semillas y aplicar fertilizantes, lo que puede aumentar los rendimientos y evitar la fertilización excesiva. Async Fusion también puede generar mapas de humedad del suelo a partir de datos de sensores en la granja de Nelson. Estos mapas le dicen a Nelson qué tan profundo debe plantar sus semillas y en qué orden debe plantar sus campos. Como beneficio adicional, pueden ayudar a evitar que los tractores y rociadores se atasquen en el lodo.
- SpaceEye, que utiliza IA para eliminar las nubes de las imágenes de satélite. Esto ayuda a Nelson a llenar los espacios en áreas que no ha explorado con el dron. Luego puede introducir estas imágenes en modelos de inteligencia artificial que pueden identificar malezas, ayudándolo a crear mapas para entregar herbicidas solo en las áreas que los necesitan. E incluso mientras rocía, estos mapas le permiten variar la tasa de aplicación, entregando más volumen a áreas densas de malezas y cargas más ligeras en otras partes.
- DeepMC, que utiliza datos de sensores y pronósticos de estaciones meteorológicas para predecir la temperatura y la velocidad del viento para el microclima de su granja. El pronóstico del tiempo local en el área de Nelson predice cómo serán las condiciones a 10 metros sobre el suelo. “Bueno, no me importa lo que sea a 10 metros del suelo”, dijo. “Me pregunto cuál es mi cosecha”. A principios de esta primavera, Nelson se estaba preparando para rociar sus campos de trigo. Comprobó las previsiones de la ventana meteorológica correcta. las plantas serían dañadas por el pesticida si él rociara en la escarcha. El pronóstico local parecía prometedor, pero DeepMC predijo un congelamiento. Dejó de rociar y se despertó con la escarcha.
- Una herramienta analítica “qué pasaría si” que estima cómo las diferentes prácticas agrícolas afectarán la cantidad de carbono almacenado en el suelo. Hoy, Nelson utiliza estos escenarios hipotéticos para mejorar la salud de su suelo y aumentar los rendimientos. Pero planea usarlos para acceder a los mercados de carbono, que pagan a los agricultores por prácticas que mantienen el dióxido de carbono en el suelo en lugar de ingresar a la atmósfera.