El análisis de suelos es una de las actividades más importantes para la producción de cultivos en el país. Desde hace más de un año, la Corporación Colombiana de Investigación Agropecuaria, Agrosavia, implementó inteligencia artificial en este proceso para hacerlo más eficiente y brindar recomendaciones más precisas.
A través del análisis de suelo un agrónomo puede conocer las características físicas y las propiedades químicas que este tiene y con base en los resultados recomendarle al agricultor, de acuerdo a lo que su cultivo necesita, suplementos y nutrientes que le permitan lograr sus objetivos de producción.
Agrosavia presta este servicio desde 2007 a los productores del país, pero este ha tomado mayor relevancia y alcance desde el 2015 gracias al programa “Antes de sembrar, el suelo debe analizar”, que en convenio con la empresa de mensajería Servientrega permite a los agricultores de más de 900 municipios de Colombia acceder al análisis de sus suelos para que tengan procesos productivos planeados y mejores resultados.
Para cada vez aportar más al desarrollo y fortalecimiento de este sector, y dado el éxito del programa, en 2018 Agrosavia se unió con el Ministerio de Tecnologías de la Información y Comunicaciones, Mintic, para implementar inteligencia artificial en este proceso y adquirir un sistema que facilitara la gestión de la información en el laboratorio.
De acuerdo con Rafael Pedraza Rute, Coordinador de Gestión de Información de Laboratorios, para este programa adquirieron un sistema LIMS que les ha permitido mejorar la gestión y la comunicación con los agricultores que solicitan el el estudio de sus suelos.
Y la implementación de la inteligencia artificial fue posible porque tenían una gran cantidad de datos históricos de los resultados de análisis de suelos y de las recomendaciones de fertilización que hacen los agronómos. Con IBM Watson desarrollaron el algoritmo y el modelo de IA que les permitiera hacer las predicciones sobre los nutrientes que necesita el suelo, para esto utilizaron cerca de 10.000 recomendaciones de fertilización.
¿Cómo funciona su modelo de IA?
- El sistema LIMS envía los datos que se valoran en el laboratorio, por ejemplo, nitrógeno, fósforo, potasio, azufre, hierro, magnesio, calcio, entre otros, al modelo de IA, que con base en estos y la información histórica hace una predicción inicial de la cantidad de nutrientes que un agricultor debe aplicar a su suelo para mejorar sus características.
- El agrónomo encargado revisa si esta predicción está bien hecha o si hay que hacer algún ajuste, si hay que hacerlo, lo hace y el modelo de IA lo guarda y aprende de esta nueva información.
- Con la corrección y validación del agrónomo, el modelo entrega un archivo en PDF que será cargado en un portal para que el agricultor pueda ver los resultados del estudio de su suelo y las respectivas recomendaciones.
Principales logros
Inicialmente, el modelo de IA que desarrollaron fue entrenado con la información de 200 tipos de cultivos. Hoy las mejores predicciones que este hace son de los que existen más datos: café, cítricos, aguacate, mora, pasto… de los otros, por ejemplo, chirimoya u otras frutas, se requiere más información para que cada vez sea más experto en estos y cometa menos errores.
De la implementación de esta tecnología, Rafael destaca que han podido acelerar y ser más eficientes en las predicciones y las recomendaciones. Antes el equipo hacía 18 recomendaciones al día, ahora hacen 36. “Hemos incrementado nuestra capacidad de acción, pero sabemos que cada vez será mejor porque el sistema sigue aprendiendo, hay que disminuir los errores que debe corregir el agrónomo”.
Así mismo, dice que han mejorado el tiempo de respuesta a los agricultores y la presentación con las recomendaciones que les entregan a estos.
Sin duda, “es una tecnología que nos ha servido mucho y queremos seguir avanzando en su implementación en otros procesos para cada vez ser más eficientes y precisos con lo que hacemos y recomendamos”, concluye Rafael.
