Skip to content Skip to sidebar Skip to footer

Fotogrametría de rango cercano aplicada a la ciencia de las plantas

Innovaciones digitales basadas en el aprendizaje automático para el fenotipado en el campo

Se necesitan con urgencia métodos rentables de fenotipado para promover la genética de cultivos con el fin de satisfacer las demandas de alimentos, combustible y fibra de las próximas décadas a pesar de las crecientes presiones ambientales y la gran necesidad de reducir los insumos agrícolas. Durante la última década, la detección aérea no tripulada (UAS) se convirtió en una herramienta destacada en el fenotipado de plantas. Primero, consideramos la capacidad de ML (Machine Learning) para realizar predicciones de rendimiento de grano en soja mediante la combinación de datos de diferentes sensores ópticos a bordo de UAS: imágenes multiespectrales para analizar la respuesta espectral e imágenes RGB para reconstruir el área de estudio en 3D, evaluando la fisiología dinámica de crecimiento. Como segundo enfoque, introdujimos la rugosidad del dosel como un nuevo rasgo que se puede calcular de manera eficiente a partir de datos de imágenes de UAS como indicador de biomasa. 

Fenotipado de la raíz mediante imágenes de rayos X

La arquitectura del sistema de raíces (RSA) establece la conexión entre las plantas y el medio ambiente del suelo, siendo la pieza crítica para la extracción de agua y nutrientes de los suelos. De esta manera, determinar la contribución de varios rasgos estructurales de las raíces al rendimiento de los cultivos es vital para superar el cambio climático, la degradación ambiental y la inseguridad alimentaria. En este contexto, desarrollamos un modelo arquitectónico de raíz espacio-temporal a partir de gemelos digitales obtenidos por tomografía computarizada de rayos X. Este nuevo enfoque está optimizado para un alto rendimiento, repetible y robusto.