Investigadores del INTA Catamarca y del INTA Marcos Juárez desarrollaron una metodología que combina imágenes de un dron comercial con aprendizaje automático para distinguir alfalfa de malezas. El ensayo permitió calcular la superficie efectivamente ocupada por el cultivo aun cuando ambas coberturas estaban verdes y en crecimiento, una dificultad habitual para las cámaras convencionales.

El organismo difundió los resultados este viernes 23 de octubre y presentó la herramienta como una alternativa accesible para evaluar lotes degradados. No informó una fecha de lanzamiento comercial ni un costo para contratar el servicio. El avance comunicado corresponde a una experiencia de investigación aplicada, orientada a mejorar el diagnóstico antes de tomar decisiones de manejo o renovación de una pastura.

La prueba se realizó sobre un lote de 3,3 hectáreas del Campo Anexo Santa Cruz, perteneciente a la Estación Experimental Agropecuaria Catamarca. El equipo utilizó un dron DJI Air 3S a 40 metros de altura y efectuó dos relevamientos separados por 45 días. La comparación entre ambas fechas formó parte de la validación del método.

El primer vuelo registró la alfalfa y las malezas en pleno crecimiento. En esas condiciones, la similitud del color dificulta separar visualmente cada tipo de vegetación. El segundo se realizó después del corte de la alfalfa y de la senescencia de las malezas, cuando el contraste entre las coberturas ofrecía una referencia adicional para revisar los resultados.

Las imágenes se procesaron mediante CatBoost, un algoritmo de aprendizaje automático, junto con herramientas de código abierto como QGIS y WebODM. La propuesta emplea sensores ópticos RGB, que captan los componentes rojo, verde y azul de la imagen, en lugar de depender de cámaras multiespectrales o térmicas especializadas. El desafío era obtener información útil sin contar con bandas infrarrojas.

Laura Cano, especialista del INTA Catamarca y una de las autoras, explicó que el precio de los sensores más sofisticados suele limitar su utilización por parte de asesores y productores, especialmente en las economías regionales del noroeste. La investigación buscó comprobar si equipos de uso más extendido podían aportar una lectura suficientemente precisa de la cobertura útil de alfalfa.

Según Carlos Navarro, técnico del INTA Marcos Juárez, en Córdoba, el análisis estimó un 45,2% de superficie neta de alfalfa en el primer relevamiento y un 49,1% en el segundo. La diferencia entre esas proporciones es de 3,9 puntos porcentuales. Los investigadores interpretaron la cercanía de los valores como una señal de consistencia entre las dos observaciones.

Esas cifras describen cobertura del terreno: no representan una mejora del rendimiento ni un aumento de la producción logrado mediante el dron. El diagnóstico mostró, por el contrario, un lote degradado en el que una parte importante de la superficie no estaba ocupada por el cultivo que se buscaba aprovechar como forraje.

La alfalfa es una especie perenne y su productividad depende, entre otros factores, de conservar una cobertura uniforme y reducir la competencia de otras plantas. Conocer cuánto espacio ocupa cada componente ayuda a evaluar la condición de la pastura y a decidir si conviene intervenir sobre su manejo o analizar una renovación.

El INTA considera que la combinación de imágenes accesibles y clasificación supervisada puede aportar alertas agronómicas tempranas. El alcance demostrado corresponde al ensayo informado: el comunicado no ofrece una precisión universal ni resultados de aplicación en todas las regiones. La utilidad planteada es sumar información para la evaluación técnica de cada lote, no reemplazarla por una decisión automática.