Investigadores de la University of South Australia (UniSA) han desarrollado una nueva técnica para monitorear la humedad del suelo de forma simple, eficaz y rentable, utilizando simplemente una cámara digital estándar y una tecnología de aprendizaje automático (machine learning).

Según las Naciones Unidas, en 2050 muchas áreas del planeta podrían no tener suficiente agua dulce para satisfacer las demandas de la agricultura si continuamos con nuestros patrones de uso actuales.

Una solución a este problema global es el desarrollo de un riego más eficiente, fundamental para un control de precisión de la humedad del suelo, que permita que los sensores guíen los sistemas de riego «inteligentes» para garantizar que el agua se aplique en el momento y a la velocidad más adecuados.

Los métodos actuales para detectar la humedad del suelo presentan diversos problemas: los sensores enterrados pueden ser dañados por las sales presentes en el sustrato y requieren un hardware especializado para las conexiones, por otro lado, las cámaras termográficas son caras y pueden verse afectadas por condiciones climáticas como la intensidad de la luz solar, la niebla y las nubes.

Investigadores de la University of South Australia e della Middle Technical University de Baghdad han desarrollado una alternativa rentable que permite que el monitoreo de precisión del terreno sea simple y asequible en casi cualquier circunstancia.

El sistema utiliza una cámara digital RGB estándar que analiza las diferencias de color del suelo para determinar el contenido de humedad. Las pruebas realizadas a diferentes distancias, tiempos y niveles de iluminación han demostrado la precisión del sistema.

La cámara se conecta a una red neuronal artificial (ANN), un software de aprendizaje automático que los investigadores han entrenado para reconocer diferentes niveles de humedad del suelo en diferentes condiciones.

Con esta ANN, el sistema de monitoreo puede permitir reconocer las condiciones específicas del suelo de una determinada ubicación, lo que permite personalizarlo en función del usuario y de las circunstancias climáticas cambiantes, lo que garantiza la máxima precisión. Una vez que la red ha sido entrenada, es posible lograr un riego controlado manteniendo el aspecto del suelo en el estado deseado. La siguiente fase de la investigación será diseñar un sistema de riego inteligente rentable basado en este algoritmo.

Artículo de referencia:

Ali Al-Naji, Ahmed Bashar Fakhri, Sadik Kamel Gharghan, Javaan Chahl. Soil color analysis based on a RGB camera and an artificial neural network towards smart irrigation: A pilot studyHeliyon, 2021; 7 (1): e06078 DOI: 10.1016/j.heliyon.2021.e06078