La ciencia perfila a la inteligencia artificial del sector agroalimentario

En la agroalimentación se están desarrollando diversos proyectos para contar con sistemas de inteligencia artificial fiables y de calidad.

La digitalización está trayendo consigo numerosas tecnologías que permitirán aumentar la productividad de las actividades económicas, al mismo tiempo que incrementarán su sostenibilidad.

Cada vez son más conocidas las innovaciones basadas en el Internet de las cosas, el análisis masivo de datos (big data) o la tecnología de cadena de bloques (blockchain). Sin embargo, por encima de estas destacan las técnicas basadas en inteligencia artificial (IA).

Tal es la importancia que ha adquirido la IA, que ha sido seleccionada como la Palabra del Año por más de una entidad de referencia. Por ejemplo, la abreviatura "IA" fue elegida como el término más importante en 2022 por la Fundación del Español Urgente (FundéuRAE). En 2023, también fue seleccionada como la expresión más relevante por el Diccionario Collins.

La IA ha alcanzado una gran popularidad

La importancia se debe…

La relevancia que ha adquirido esta tecnología se debe a los beneficios que puede aportar tanto a la población como a las actividades económicas. Se ha destacado cómo la IA es capaz de mejorar la automatización de tareas, ya que dota a los sistemas automáticos de una "mente" capaz de controlar y optimizar los procesos de forma autónoma.

Otro de los beneficios clave es la optimización en la toma de decisiones, lo que permite reducir el tiempo dedicado a las operaciones y, al mismo tiempo, disminuir el uso de insumos en los procesos industriales, manteniendo o incluso mejorando la productividad. Esto se traduce en una mayor eficiencia en la producción y su logística.

Además, una de las principales ventajas de la IA es que permite la personalización de servicios, dado que es capaz de analizar grandes cantidades de datos y adaptar las decisiones a las necesidades específicas de cada usuario o consulta.

En cuanto a la ciberseguridad, la IA tiene la capacidad de identificar amenazas en la red de manera rápida y precisa, facilitando la detección temprana y la prevención de ataques en tiempo real.

La IA permite facilitar el trabajo humano y aumentar la seguridad cibernética

Aunque es una tecnología con amenazas

La IA presenta amenazas significativas sino se realiza una gestión adecuada de la tecnología. Entre ellas se incluyen el posible desempleo debido a la automatización de tareas, aunque es cierto que la IA actual aún está lejos de sustituir a la inteligencia humana. Además, de la concentración de poder en pocas empresas o países, y la erosión de la privacidad a través de la vigilancia masiva. 

Además, los algoritmos pueden perpetuar sesgos y discriminación si no se entrenan adecuadamente, lo que puede derivar en decisiones injustas en áreas clave como la contratación y la justicia. La IA también facilita la creación de desinformación mediante deepfakes y herramientas manipuladoras que amenazan la estabilidad social. Por lo que es vital revisar las creaciones de la propia IA.

Otro riesgo importante es el uso de la IA en ciberseguridad y armamento, donde sistemas autónomos podrían desencadenar conflictos sin supervisión humana. 

Además, existe el peligro de depender excesivamente de sistemas que pueden tomar decisiones erróneas, así como el desafío ético de definir cómo deben programarse los valores y principios en las decisiones de la IA. 

Estos riesgos subrayan la necesidad de una regulación adecuada y de un enfoque ético en el desarrollo y aplicación de la inteligencia artificial, además, de impulsar diversos proyectos de investigación que permitan mitigar las externalidades negativas causadas por la IA. 

El gran peligro de la IA es confiar ciegamente en la información dada por máquina

En el ámbito de la producción y la transformación de alimentos están surgiendo diversos proyectos de investigación que persiguen desarrollar sistemas de inteligencia artificial fundamentados en el conocimiento, los cuales persiguen reducir los aspectos negativos de la tecnología. 

El mayor proyecto de inteligencia artificial aplicado al sector agroalimentario

AgrifoodTEF es un proyecto diseñado para impulsar una producción de alimentos sostenible y eficiente mediante el apoyo a innovadores con herramientas de validación que les permiten cerrar la brecha entre sus ideas más prometedoras y productos exitosos en el mercado.

Desarrollado como una red de instalaciones físicas y digitales en toda Europa, el proyecto ofrece servicios que ayudan a evaluar y validar soluciones de IA y robótica en condiciones reales, con el objetivo de maximizar el impacto de la digitalización en el sector agrícola.

AgrifoodTEF pretende desarrollar sistemas de IA seguros y de calidad

• Sectores de Impacto

AgrifoodTEF se centra en seis sectores clave, para los cuales proponen servicios personalizados de prueba y validación de soluciones basadas en IA y robótica en el ámbito agroalimentario:

• Cultivos extensivos: AgrifoodTEF ofrecerá servicios para probar y validar tecnologías robóticas, de deshierbe selectivo y geovallado que mejoren el rendimiento de vehículos autónomos y reduzcan la dependencia de los agricultores en insumos agrícolas tradicionales.
• Cultivos arbóreos: el proyecto ofrecerá servicios para validar soluciones de IA que optimicen el uso de recursos naturales e insumos (fertilizantes, pesticidas, agua) en cultivos mediterráneos como huertos frutales y olivares.
• Horticultura: se propondrán servicios para probar soluciones basadas en IA que ayuden a equilibrar los nutrientes necesarios, garantizando al mismo tiempo la calidad del cultivo y la cosecha.
• Ganadería: AgrifoodTEF validará aplicaciones de gestión ganadera basadas en IA y producción de alimentos orgánicos que mejoren la sostenibilidad en la cría de vacas, cerdos y aves de corral.
• Viticultura: AgrifoodTEF aprovechará instalaciones en viñedos de algunas de las regiones vinícolas más productivas de Europa para validar el uso de IA en la mejora de la calidad del producto final y la sostenibilidad de las prácticas.
• Procesamiento de alimentos: ofrecerán servicios para probar modelos de datos estandarizados y tecnologías de intercambio de datos que proporcionen una mejor trazabilidad en la producción y cadenas de suministro.

Este enfoque integral y personalizado asegura que las innovaciones en IA y robótica puedan ser eficientemente adoptadas en toda la cadena de valor agroalimentaria.

AgrifoodTEF se focaliza en cultivos extensivos, cultivos arbóreos, horticultura, vitivinicultura, ganadería e industria agroalimentaria

AgrifoodTEF no es el único…

• Grupo Operativo GC4SHEEP

El objetivo general del proyecto GO GC4SHEEP es aumentar la rentabilidad de las ganaderías ovinas mediante una transformación digital basada en la recopilación y análisis de datos, así como en la incorporación de innovaciones en la mejora de la fertilidad. 

Este enfoque integral busca optimizar las prácticas de manejo en las explotaciones ganaderas, proporcionando herramientas y conocimientos avanzados que permitan una gestión más eficiente y rentable de los rebaños.

Entre los objetivos específicos del proyecto se incluye el desarrollo de una plataforma federada para el análisis de datos, que garantizará la seguridad individualizada y estará equipada con inteligencia artificial para realizar predicciones precisas que mejoren la rentabilidad. 

Además, se llevará a cabo un análisis de soluciones innovadoras dirigidas a mejorar la fertilidad a través del manejo de machos y hembras, con el fin de generar datos valiosos que faciliten la toma de decisiones. 

Otros objetivos comprenden la coordinación técnica para el control de indicadores, asegurando que las soluciones innovadoras propuestas demuestren una mejora efectiva en la rentabilidad de las ganaderías.

• Grupo Operativo CITRIAFORO

El objetivo principal del proyecto es implementar tecnologías y métodos de Agricultura 4.0 para la estimación de aforos citrícolas, desde el nivel de parcela hasta el ámbito supraautonómico. Para alcanzar esta meta, se han definido una serie de objetivos específicos que abordan diferentes aspectos del proceso de estimación y gestión de cultivos. 

El primer objetivo específico se centra en la perfección de tecnologías de muestreo manual a nivel de parcela, utilizando fotografía con dispositivos móviles. Esto implicará el desarrollo de un método de muestreo aleatorio estratificado que permita a los técnicos identificar y contar los árboles en un campo de cítricos, facilitando una estimación precisa de la producción mediante el análisis fotográfico y la geolocalización.

El segundo objetivo específico aborda la implementación de tecnologías de muestreo automático a través de sensores embarcados en tractores. Este objetivo busca crear una arquitectura de control para la navegación de robots en entornos exteriores, utilizando paradigmas de Robótica e Inteligencia Artificial para contar los cítricos en los árboles de forma eficiente. 

El tercer objetivo se enfoca en establecer un protocolo estandarizado para la determinación de puntos de aforo utilizando imágenes obtenidas por drones con sensores multiespectrales y térmicos, integrando datos sobre parámetros del cultivo y el suelo para estimar la producción en toda la parcela. 

Finalmente, el cuarto objetivo se orienta al desarrollo de modelos de estimación de aforo en la nube, basados en la fusión de datos provenientes de imágenes terrestres y aéreas, series temporales de datos agro-climáticos e imágenes satelitales, con el fin de generar predicciones precisas a diferentes escalas.