Drones y algoritmos permiten medir con precisión la cobertura de alfalfa
Especialistas del INTA desarrollaron una metodología económica mediante drones comerciales y aprendizaje automático para identificar malezas y evaluar el estado productivo de lotes de alfalfa.
:format(webp):quality(75)/https://radiorafaelacdn.eleco.com.ar/media/2026/10/drones_y_aprendizaje_automatico_permiten_detectar_malezas_en_lotes_de_alfalfa.webp)
Especialistas del Instituto Nacional de Tecnología Agropecuaria (INTA) de Catamarca y Marcos Juárez lograron diferenciar la alfalfa de las malezas utilizando drones comerciales y algoritmos de aprendizaje automático.
Esta nueva metodología permite estimar la superficie ocupada por el cultivo y detectar lotes degradados sin necesidad de utilizar cámaras multiespectrales de alto costo, ofreciendo una alternativa accesible para productores y asesores.
El trabajo se centró en el uso de cámaras ópticas convencionales que capturan imágenes en colores rojo, verde y azul, aplicando técnicas de clasificación supervisada para superar el desafío técnico de identificar especies en escenarios de crecimiento activo.
Laura Cano, especialista del INTA Catamarca, explicó que el costo de los equipos especializados representa una limitación para muchas economías regionales. Por ello, el equipo buscó comprobar si el algoritmo CatBoost podía distinguir la cobertura útil.
El costo de las cámaras multiespectrales representa una limitación para los productores y asesores de algunas economías regionales.
La experiencia se realizó en un lote de 3,3 hectáreas en el Campo Anexo Santa Cruz. Se efectuaron dos vuelos con un dron DJI Air 3S a 40 metros de altura, procesando las imágenes mediante herramientas de código abierto como QGIS y WebODM.
Carlos Navarro, técnico del INTA Marcos Juárez, destacó la consistencia de los resultados. El análisis arrojó una cobertura neta de alfalfa del 45,2% en la primera medición y del 49,1% en la segunda.
Esta diferencia de 3,9 puntos porcentuales permitió advertir que menos de la mitad de la superficie estaba ocupada por alfalfa, un indicador clave para decidir estrategias de manejo o una eventual renovación del lote.
El estudio concluye que esta tecnología facilita el monitoreo de cultivos forrajeros y la generación de alertas tempranas, complementando las evaluaciones visuales tradicionales con datos precisos de procesamiento digital.
Para comentar, debés estar registradoPor favor, iniciá sesión