Fruticultura climáticamente inteligente
Gerardo Sánchez<br>Maximiliano Aballay<br>Florencia Soria<br>Julián Chirino<br>EEA San Pedro
La investigación se centra en utilizar grandes volúmenes de datos para modelar procesos relacionados al mejoramiento vegetal. Se modela el comportamiento de durazneros a campo en función de la información genómica y climática.
Problemas o necesidades que resuelve
Dentro de las producciones de alimentos, la fruticultura es de las más ineficientes. Cada año se pierde entre un 20-30% de producción por la incidencia del clima. Ante eventos climáticos extremos como heladas primaverales, las perdidas pueden llegar hasta el 80-100%.
Propuesta
Biotango tiene la misión de desarrollar un nuevo estándar en la producción de frutas. Se trata de una plataforma que otorgará recomendaciones a los productores durante la campaña a fin de optimizar el rendimiento y el retorno de la producción. Estas recomendaciones se realizan a partir de una inteligencia artificial que combina información del ADN de los frutales que el productor tiene en su campo con datos climáticos recolectados por estaciones agrometeorológica y características del monte productivo analizadas mediante visión por computadoras. Hasta la fecha hemos genotipados más de 280 variedades de duraznero integrando esta información con características fenótípicas y climáticas. Disponemos de modelos de IA funcionales para fecha de cosecha, fecha de floración y requerimientos térmicos. Y estamos trabajando en la prueba de concepto para modelar el peso final de frutos a partir de datos genómicos, climáticos e intensidad de raleo, disponiendo de modelos iniciales. La propuesta de valor involucra aumentar el retorno por hectárea al menos un 20% (raleo) mediante el aumento de la fruta de primera calidad (90%). Este aumento se logra aplicando recomendaciones específicas brindadas por una IA.
Ventajas
Mayor retorno a partir de la información que se le brinda.
Incluir la información genómica que permite obtener recetas específicas para cada variedad.
Recomendaciones a la carta para cada variedad.
Al entrenar la IA con datos climáticos es posible ajustar la respuesta de la variedad a las condiciones del lote del productor.
Capturar datos de forma global para entrenar IA cada vez más precisas ya que a partir de los datos capturados por cada productor que use la plataforma en una región (por ejemplo España) en una campaña serán utilizados para entrenar la IA.
#genómica |#inteligencia |#cambio climático |#fenómica |#artificial |#computadoras |#patrones |#datos |#genes |#fruticultura
Ana Laura Rossi<br>[email protected]<br>INTA San Pedro<br>GERENCIA DE GESTIÓN DE LA INNOVACIÓN<br>[email protected]<br>Dirección Nacional Asistente de Vinculación Tecnológica<br>Buenos Aires - Argentina