El cultivo de manzanas en europa tiene una larga tradición con una producción anual de unos 13,8 millones de toneladas (Eurostat 2018), que hacen de la manzana una de las frutas favoritas de los europeos. Estos cultivos de manzanas, así como los perales, sufren frecuentemente enfermedades que suponen grandes daños económicos. Para dar solución a ello, investigadores del Instituto Fraunhofer están buscando nuevas formas de detectar los síntomas de la enfermedad a tiempo. Gracias a la utilización de imágenes satelitales y análisis hiperespectrales los científicos han desarrollado una serie de métodos, en los que se incluyen técnicas de machine learning, que permiten detectar las posibles enfermedades desde “el aire”, a fin de sustituir en el futuro las costosas y elaboradas evaluaciones sobre el terreno y el análisis en el laboratorio.
Las enfermedades en manzanos y perales son causadas por fitoplasmas. Los insectos transmiten estas bacterias, sin paredes celulares, que se convierten en parásitos. Hay que utilizar insecticidas profilácticos contra los insectos para evitar la propagación de las enfermedades, ya que los fitoplasmas en sí mismo todavía no pueden ser combatidos de forma directa. Además, para determinar si el cultivo presenta la enfermedad deben utilizarse costosos análisis moleculares aplicando métodos de PCR. Alternativamente, se usa personal capacitado para evaluar de forma visual cada árbol de forma individual, y así detectar los síntomas típicos de la enfermedad que pueden ir desde al agrandamiento de las estípulas al enrojecimiento prematuro en otoño, causado por la degradación de las clorofila. Sin embargo, cuando aparecen estos síntomas la enfermedad ya está muy avanzada.
Por lo tanto, sería fundamental tener la capacidad de detectar la degradación de la clorofila ya en verano. Los investigadores del Instituto Fraunhofer están trabajando en un sistema de diagnóstico temprano de este tipo. Se basa en la detección aérea mediante un análisis espectral.
“En este método, la luz se divide en longitudes de onda. Una planta que presenta síntomas cuando se toman muestras de sus hojas en el laboratorio lo hace de forma más conspicua y antes en ciertos rangos de longitudes de onda que en el rango visible solamente. Una planta enferma refleja más luz roja que verde o azul”, explica el Dr. Uwe Knauer, científico investigador del Fraunhofer IFF y experto en aprendizaje automático y análisis de datos espectrales. Esto ha sido probado efectivamente por pruebas en el laboratorio en la primera fase del proyecto.
El método se complementa con imágenes satelitales multiespectrales. Se pueden escanear grandes huertos con imágenes satelitales. “Queremos combinar las imágenes hiperespectrales y las imágenes satelitales para establecer un sistema aéreo de detección temprana. Tendemos a utilizar la cámara hiperespectral montada en un avión teledirigido para escanear áreas más pequeñas, como un solo huerto”, explica Knauer. Los equipos de investigadores también han podido diferenciar entre árboles enfermos y sanos con las imágenes de satélite.
Junto con la cámara hiperespectral, se ha montado una computadora en el dron, que registra y transmite las lecturas al servidor. Las imágenes se vinculan con información geográfica y se cartografían. El resultado es un mapa hiperespectral con coordenadas geográficas. A cada píxel se le proporciona un espectro, que es posteriormente analizado.
Lo más notable es el uso por parte de los socios del proyecto de métodos de aprendizaje automático o “machine learning” para detectar cambios patológicos en las plantas, basados en sus firmas digitales multiespectrales e hiperespectrales. Utilizan los datos de salida de la evaluación visual y el análisis molecular para entrenar y combinar diferentes modelos estadísticos y redes neuronales. Los algoritmos así desarrollados permiten detectar las enfermedades causadas por fitoplasmas en manzanos y perales.
Los estudios de campo y los vuelos de prueba con el drone hiperespectral están programados para el otoño de este año a fin de poder optimizar posteriormente tanto los sistemas de sensores como los métodos de modelización. Este proyecto de investigación está siendo financiado por el Landwirtschaftliche Rentenbank. Los científicos investigadores esperan poner a disposición de los servicios de protección de cultivos, los cultivadores y las cooperativas el método de teleobservación mediante la adquisición y el análisis de datos espectrales como un servicio cuando el proyecto concluya en 2022.