Skip to main content
European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Trapview - Automated pest-monitoring system for sustainable growing with optimal insecticide use

Article Category

Article available in the following languages:

Optimización de la protección de los cultivos con una tecnología inteligente de control de plagas

El control de las plagas de insectos no ha cambiado durante décadas, pero un proyecto dedicado a la protección de cultivos ha combinado información de seguimiento de estaciones de campo inteligentes con la inteligencia artificial para predecir la dinámica de las plagas a un nivel totalmente nuevo.

El control de plagas agrícolas suele consistir en inspeccionar manualmente las trampas, registrar el número de capturas y comunicarlo a un experto en cultivos para que asesore. Para reducir los costes de este método laborioso y que requiere muchos desplazamientos (y, además, propenso a errores humanos), por lo general se realiza solo semanalmente. Este método se desarrolló hace décadas, cuando la protección de los cultivos estaba copada por el uso de insecticidas de amplio espectro, que tienen efectos medioambientales negativos. Los agricultores necesitan un método más específico, oportuno y basado en pruebas. La tecnología Trapview, financiada con fondos europeos, permite a los agricultores controlar a distancia los insectos plaga atrapados en las trampas de feromonas. Estos también reciben alertas en tiempo real cuando se necesita fumigar con insecticidas, en base al alto número de insectos plaga detectados. La trampa de seguimiento inteligente Las trampas de Trapview, que pueden autolimpiarse asegurando una alta eficiencia de captura y, por lo tanto, una alta calidad de los datos, envían imágenes a la nube al menos una vez al día. Estas imágenes son procesadas y, seguidamente, analizadas mediante aprendizaje automático para identificar cada uno de los insectos fotografiados. El equipo había entrenado las redes neuronales de inteligencia artificial introduciendo decenas de miles de imágenes de plagas de interés identificadas positivamente para garantizar la precisión. El señor Matej Štefančič, coordinador del proyecto, explica: «Aunque nuestras trampas nos proporcionan datos fiables, la interpretación es difícil, al igual que encontrar patrones para las predicciones. Aquí es donde el aprendizaje automático entra en juego, usando datos históricos combinados con datos de múltiples fuentes». La identificación de la plaga se indica mediante una etiqueta colocada alrededor del insecto en cuestión con un porcentaje correspondiente al nivel de «fiabilidad», lo que determina la certeza de la identificación. Los usuarios solo ven aquellos que están por encima de ciertos umbrales. El modelo Trapview combina después la información diaria extraída de las imágenes de los insectos con datos meteorológicos locales, tendencias históricas y pronósticos para predecir la dinámica de las plagas. «Este método es sumamente eficiente, con una precisión de identificación de más del 90 %, mejor en promedio que el humano. Además, la precisión del pronóstico era superior al 80 %, mejor que cualquier otra tecnología en el mercado», dice Štefančič. «Teniendo en cuenta que nuestro modelo integra los resultados de la protección de cultivos durante la temporada, el pronóstico nos da una ventaja competitiva clave». Su uso en la cuenca mediterránea, así como en otros lugares (por ejemplo, Australia y los Estados Unidos), también reveló que la colocación de una densidad más baja de los dispositivos en una red/malla proporcionaba un mejor conocimiento de las poblaciones de los insectos plaga en áreas concretas que un número mayor en un solo lugar. Adopción generalizada para la seguridad alimentaria y la sostenibilidad Para que los alimentos sean más seguros, los residuos de insecticidas tienen que disminuir, lo que resulta en alimentos más sanos y en una menor resistencia a los insecticidas. En este sentido, la protección de los cultivos basada en decisiones informadas y oportunas, evitando la fumigación siguiendo un calendario con fechas programadas o basada en una «regla general», ayuda a cumplir con las normas reglamentarias. Trapview también ahorra a los clientes gastos de desplazamientos y mano de obra, a la vez que ayuda de manera crucial a obtener unos mayores rendimientos con cultivos de mejor calidad. Hasta la fecha, Trapview dispone de miles de trampas automatizadas instaladas satisfactoriamente en más de cuarenta países en seis continentes. El equipo se centra ahora en los mercados y cultivos clave con mayores posibilidades de adopción generalizada. Además, continuará desarrollando la tecnología para incluir servicios de predicción de plagas adicionales, seguimiento eficiente simultáneo de múltiples plagas, mejora del reconocimiento y procesamiento de imágenes por inteligencia artificial para un rango más amplio de plagas e incluso mayor precisión. «Somos líderes en nuestro campo, con un camino muy definido para mantener esta posición. Queremos introducir la tecnología Trapview en la mayoría de los sistemas de producción de alimentos basada en plantas de cultivo en pos de mejorar la vida de las personas y el medio ambiente», concluye Štefančič.

Palabras clave

Trapview, plagas, agricultura, alimentos, insectos, insecticidas, cultivos, trampas, cultivo, inteligencia artificial, aprendizaje automático

Descubra otros artículos del mismo campo de aplicación