Fruticultura climáticamente inteligente
Grupo de trabajo
Gerardo Sánchez
Maximiliano Aballay
Florencia Soria
Julián Chirino
EEA San Pedro
Sobre la tecnología
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.
Palabras clave
#genómica |#inteligencia |#cambio climático |#fenómica |#artificial |#computadoras |#patrones |#datos |#genes |#fruticultura
Contacto
Ana Laura Rossi
[email protected]
INTA San Pedro
GERENCIA DE GESTIÓN DE LA INNOVACIÓN
[email protected]
Dirección Nacional Asistente de Vinculación Tecnológica
Buenos Aires - Argentina