De la predicción de plagas a la mecanización inteligente: 3 líneas de trabajo en agricultura de precisión

¿Cómo realizar un control inteligente de los tratamientos post-cosecha? ¿Es posible evaluar la calidad del producto desde el origen, velando por su autenticidad? ¿se pueden predecir plagas, lluvias o enfermedades en los cultivos? AINIA está trabajando en tres líneas para flexibilizar y ganar en competitividad en los procesos agrícolas mediante la aplicación del paradigma de la agricultura de precisión, basado en el uso y adecuada interpretación de datos y máquinas inteligentes.

Fecha: 20-Dec-2018

Fuente: AINIA

El sector agroalimentario representa en España uno de los mayores sectores industriales con cerca de 97.000 millones de euros de facturación empleando a cerca de 500.000 trabajadores de manera directa, y con una vocación exportadora que alcanza los 27.000 millones de euros. En el contexto agrícola en particular, estas cifras son también de enorme relevancia con una presencia muy determinante en muchas regiones españolas, y destacando por su variedad y diversidad de especies cultivadas debido a la riqueza de regiones agroclimáticas.

Este aspecto representa una gran ventaja competitiva en nuestro país, aunque según diferentes organizaciones como FIAB, FEPEX o la consultora IMPROVE, el sector agrícola español se enfrenta a una serie de retos que deben abordarse para mejorar nuestra competitividad natural y continuar aumentando la tasa de comercialización internacional de nuestros productos:

Necesidad de modernizar y digitalizar procesos que permitan aprovechar todo el volumen de información generada y convertirla en indicadores que permitan tomar decisiones adecuadas sobre los cultivos y cosechas.
Lograr establecer un cambio en el modelo de relaciones entre actores de modo que pueda existir una continuidad de información extremo a extremo, desde el campo al lineal.
Mejorar la gestión de los recursos humanos y productivos en relación a la evolución de mercados y de la evolución del propio producto a lo largo de la temporada agrícola.
oma de decisiones sobre el cultivo y sus tratamientos, así como del momento de su recogida
Para la maximizar la calidad y la correcta gestión en diferentes mercados objetivos. Lo interesante es conseguir fusionar información relacionada con el cultivo y sus condiciones de contorno (suelo, clima y meteorología, tratamientos aplicados, documentación de plagas y enfermedades, evolución de la cosecha, frutos, masa foliar…) con información externa relacionada con el mercado agrario (precios en mercados, condiciones climáticas en otros lugares…), de modo que se puedan tomar decisiones de comercialización más efectivas sobre la calidad y competitividad del producto.

Planificación eficiente y flexibilización de los recursos productivos agrícolas
Para el ahorro de costes y la adaptación dinámica de dichos recursos a cada temporada. Para ello se están empleando, sistemas predictivos que permitan ir anticipando el momento y calidad de la cosecha de una determinada temporada en función de los históricos y experiencia capturada a lo largo de los años anteriores. Con esta información es posible realizar una correcta planificación de los recursos necesarios (almacenaje, tratamientos post-cosecha, recursos humanos en manipulación, transporte…) para atender la producción y la demanda, asegurando la máxima calidad posible y al menor coste, en función de la peculiaridad de la campaña y basado en datos objetivos.

Seguridad alimentaria y trazabilidad, gracias a al desarrollo de una infraestructura tecnológica capaz de compartir información de manera fiable entre los diferentes actores de la cadena de valor agroalimentaria
Lo que permite tener un conocimiento global del estado de los productos y aplicar técnicas de análisis de datos que permiten entre otros aspectos, identificar riesgos, valorar la calidad del producto desde el origen, dar transparencia al origen de agrícola de los productos.

El sector agrícola está sufriendo en los últimos años un profundo proceso de modernización impulsado por la necesidad de ofrecer calidad a precios competitivos en mercados internacionales exigentes, lo que ha llevado a la dotación de tecnologías digitales (sensores, drones, vehículos de mecanización inteligentes, software analítico de visualización…) para capturar información y realizar un seguimiento pormenorizado de las tareas y de sus efectos. Sin embargo, se da la paradoja que, a pesar de dichas inversiones, todavía no se consigue sacar un rendimiento directo de la disponibilidad de los datos, y mucho menos a la capacidad de vincularlos y relacionarlos a todos ellos.

Mediante estas líneas de actuación AINIA busca hacer llegar a las empresas agrícolas soluciones que les permitan lograr comercializar un producto en unas condiciones de mercado y de calidad y seguridad del producto que sean las óptimas y también replicables en un futuro, desde un punto de vista objetivo, gracias al tratamiento masivo de información de manera global en la empresa de producción.