1. Introducción
El arroz es parte de la cultura alimenticia del panameño, en este sentido, se iniciaron los trabajos de investigación en las plantas de arroz con énfasis en la detección de enfermedades o plagas a las cuales se ve sometida la planta de arroz en nuestros suelos.
Como propósito tenemos, presentar una base de datos sobre el espectro de colores dentro de las plantaciones del arroz, a saber, que, cuando esta planta se ve afectada su color natural cambia y atraviese por distintas degradaciones de colores dependiendo de la afectación, por ejemplo, si se enfrenta al acaro Spinki la misma se torna amarillenta.
En la agricultura la espectrofotometría representa una gran ventana de posibilidades, tomando como ejemplo estudios ya realizados en este caso para cultivos de papas [1], sin embargo, validan nuestra incursión de su uso, más extrapolándonos a cultivos en el arroz.
El arroz se puede ver afectado por distintos agentes, sin embargo, a través del tiempo se desarrollan formas de contrarrestar los mismos mediante control biológico [2].
Como el método tradicional empleado por agricultores nacionales consiste en combatir las enfermedades de los cultivos mediante una aplicación masiva del pesticida o producto químico que requiera la afectación, sin reparar en los efectos secundarios que esto conlleva, puesto que como productores no pierden tiempo en averiguar detalladamente que parte se ve afectada específicamente, en consecuencia los suelos reciben una cantidad considerable de químicos, de modo que, estos con el paso del tiempo y las lluvias viajan por el subsuelo y pueden llegar a vías acuíferas en poblaciones cercanas a la plantación, así que las personas que habitan en estas zonas rurales presentan enfermedades proporcionadas por la contaminación de las aguas que utilizan para consumo y uso cotidiano.
Otro problema paralelo es cuando estas aguas contaminadas llegan a mar abierto, en particular, podemos resaltar la situación en el área de Pedregal, provincia de Chiriquí, en donde los pescadores comunican su inquietud, así pues, cada vez tienen que navegar más lejos para lograr satisfacer su producción, esto se debe a un problema de eutrofización el cual consiste en la contaminación de las aguas por lo cual la vida marina cercana a la costa se ve reducida y recurren a moverse a zonas distantes.
-
1.2 Manejo integrado del cultivo de arroz en Panamá
Por lo que se refiere a identificación, biología y muestreo de insectos-plagas y benéficos: contribución para el manejo integrado de plagas en el cultivo del arroz, se utilizó como fuente de datos, investigaciones que presenta el IDIAP (Instituto de Investigación Agropecuaria de Panamá) con el cual recolectamos la data necesaria para tener un mejor panorama de las plagas y enfermedades que enfrentamos en nuestro país, así mismo, como afectan los cultivos y como se ven las representaciones de estas afectaciones en el cambio de color del mismo.
Las plagas, como lo son malezas e insectos del arroz se les concede la pérdida de un 35% en cuanto a producción. En la situación del arroz irrigado, el manejo de los insectos y plagas representa un 6% de costos en producción.
En Panamá se obtuvieron resultados similares gracias a Zachrisson en el año 1998, donde el costo de la producción en cuanto al control de insectos en el arroz, bajo las condiciones de riego, se dio en un 7%, por consiguiente, los insectos se consideraron una limitante de gran importante en el desarrollo con la producción de arroz [3].
Figura 1. Vista del macho Spinki desde un microscopio electrónico.
Se obtiene información que asegura que el arroz rojo es la más importante maleza del cultivo. Se verificó la tolerancia de los cultivares promisorios en cuanto al arroz del IDIAP VF 72_10 y VF 147_09, a la plaga del Steneotarsonemus spinki (figura 1).
La información dada de micronutrientes como por ejemplo el zinc y el silicio, en la especie del IDIAP FL 137- 11, incrementa el desarrollo. Las curvas de absorción nos muestran que, en condiciones de riego, se obtiene gran cantidad de nutrientes [4].
-
1.2 Sistema de manejo de data en fertilización de precisión.
Un objetivo posterior a la detección de plagas en la planta de arroz es que a su vez el dron pueda determinar la zona afectada, y sea capaz de actuar mediante el riego de fertilizantes al área, la data recolectada en esta fertilización de precisión pasaría por un proceso para posteriormente ser analizada por el software para esto se desarrolla un diagrama de flujo (figura 2) que cuente con estaciones de referencia continuamente operadas o como sus siglas en ingles nos indican (CORS, Continuously Operating Reference Stations) [5].
Figura 2. Flujo del proceso en el sistema de manejo de información sobre fertilizantes de precisión.
2. Antecedentes
Muchos sistemas tecnológicos se han implementado a través de la agricultura de precisión para el mejoramiento de cultivos a nivel mundial. Alguno de los proyectos se basaron en la creación robots que sean capaces de mejorar la producción del arroz en exteriores [6], lo que buscamos es elevar el medio de agricultura de precisión en nuestro país.
Nos concentramos en optimizar el proceso de la producción del arroz mediante la eliminación de sus plagas, este proceso de mejoramiento dentro de cultivos ha presentado grandes resultados ya que mediante la agricultura de precisión se pueden colectar una serie de información sumamente útil para el mejoramiento de los cultivos, mediante una data tecnológica [7]. En el campo de la agricultura sostenible, es necesaria la implementación de innovaciones tecnológicas como robots autónomos móviles en agricultura, capaces de desenvolverse en el campo coleccionando data de cultivos y brindando las necesidades de estos, este estudio está en proceso experimental [8].
La visión artificial aplicada a las plantas se presenta en una revisión con implicaciones para el despliegue de campo en operaciones agrícolas automatizadas, siempre se requiere el estudio de los suelos para confirmar el uso viable de este sistema dentro de los cultivos [9].
Previamente al desarrollo de drones en cuanto a aplicaciones como posicionamiento o descarga de fertilizantes dentro de la agricultura de precisión, se tenía la investigación sobre el sistema de control del aplicador de fertilizante de tasa variable en la agricultura de precisión (figura 3) basada en la combinación posicionamiento de GPS, brújula electrónica y giroscopio [10].
Figura 3. Diagrama del sistema de posicionamiento en la agricultura de precisión, antes de los drones.
En la búsqueda de sensores dentro del área agrícola, los documentos nos proporcionan información como la red de sensores inalámbricos que pueden actuar como un sistema de muestreo distribuido dentro de las aplicaciones agrícolas de precisión que buscan estimar la variabilidad espaciotemporal. Los nodos del sensor se deben utilizar conociendo el rango de comunicación y el rango de muestreo en vez del de detección. [11].
Los sistemas de visión que son empleados para la medición de plantas en los campos agrícolas se necesitan con frecuencia para analizar patrones espaciales, dicho de otra manera, discriminar diferencias y por lo que se necesita que trabajen con alta resolución.
Los objetivos de estos análisis abarcan la predicción y el monitoreo del rendimiento, y la evaluación de las pruebas de manejo en los cultivos [12].
La densidad bacteriana en la bacteria burkholderia glumae presenta gran aumento bajo condiciones ambientales favorables, por tanto, bajo un sistema de regulación denominado quorum sensing, se determinan los procesos de virulencia mediante la activación de genes causantes de la síntesis de la toxoflavina, la cual restringe el flujo de nutrientes, para la biogénesis de flagelos. Las plantas desarrollan la sintomatología que finalmente conlleva a un vaneamiento del grano provocando pérdidas económicas importantes [13].
3. Método
La propuesta es utilizar un sistema con el cual se pueda observar los diversos espectros de colores en los cultivos, determinar durante su proceso de crecimiento si tiene o no afectaciones que perjudiquen su desempeño. El sistema se basa en detección de colores mediante una cámara especial de seguimiento.
El equipo que se utilizara está basado en una combinación de Arduino (figura 4) con un sensor de color (Pixy CMU Cam5), el cual tiene la función de reconocer colores, a su vez darles seguimiento a objetos y un drone encargado de movilizar el sensor a través del cultivo. Para la fabricación de nuestro equipo utilizamos los siguientes materiales:
- Placa Arduino UNO
- Cable de red
- Pixy CMUCam5
- Computadora
- Drone
El software necesario se resume en:
- Programa Arduino
- Driver para la placa Arduino
Figura 4. Tarjeta Arduino.
Figura 5. Sensor cámara PIXY CMUCAM5.
Figura 6. Drone implementado con el sensor PIXY CMUCAM5.
La cámara pixycam5, se utiliza como sensor de color, esta tiene una propiedad de que puede detectar algo fijo, y decirnos en la pantalla cuantas veces el color se repite en la imagen en tiempo real (figura 5). Esta función nos ayuda al poder detectar el color de alguna enfermedad, bacteria, o daño que tenga el cultivo en general.
El Arduino solo es el software para poder verificar los datos obtenidos por la Pixy CMUCam5, que al ser programada da los lugares que se encuentran infectados, detectando la diferencia según el color con que fue programada.
Con la programación, da un color verde a los cultivos sanos, dependiendo el caso. Se hace una gama de colores verdes se toma como referencia y se dice que son cultivos sanos libres de enfermedades.
Cuando se encuentra algún color diferente a la gama de colores verdes, cualquier otro color, lo detecta enseguida y lo marca en la pantalla, dando el posicionamiento de lugar la enfermedad o daño en el cultivo. Para su pronta ayuda, o aplicación del químico.
La propuesta que da este sistema es el observar que lugares están afectados, y poder encontrar esos puntos en los cuales determinara el nivel de enfermedad que tiene el cultivo, con el fin de buscarle una solución lo más pronto posible.
Para empezar, se desarrolla un programa base en programación Arduino (figuras 14 y 15), el cual se enfoca en realizar una distinción de colores y a su vez guardar una data de reconocimiento.
Una vez en campo con el sensor cámara PIXY, graba una planta visiblemente afectada, luego mediante la programación se guarda ese patrón de color para que el sensor lo reconozca como una afectación, después se realiza el mismo procedimiento, pero esta vez con una planta completamente sana.
Ahora bien, ya con la cámara reconociendo los distintos patrones de colores recopilados, se procede con la implementación de esta al drone.
Se realizaron pruebas de vuelo para determinar el máximo rango de altura entre el cultivo y el sensor para que se identifiquen los colores adecuadamente, mediante las mediciones se marcó como una altura promedio indicada de dos metros entre la planta y la cámara.
Figura 7. Fotografía tomada en campo dentro del cultivo en presencia de una afectación por bacteria.
Figura 8. Drone con el sensor realizando las pruebas de campo para la detección de patrones de color.
4. Resultados