Andrés Hernández Gutiérrez, profesor de la Escuela de Ingeniería y Tecnologías de la Universidad de Monterrey, trabaja con sus estudiantes en proyectos de investigación basados en algoritmos de deep learning para mitigar los problemas que enfrenta la agricultura en Nuevo León
Desarrollar algoritmos de deep learning mediante imágenes capturadas por la plataforma GeoSat-2 para identificar cultivos de la zona citrícola de Montemorelos, Nuevo León, es parte del proyecto de investigación que ha liderado Andrés Hernández, catedrático de la Universidad de Monterrey, en colaboración con la Agencia Espacial Mexicana y Satélites Thrusters Unlimited.
El profesor Andrés Hernández Gutiérrez, de la Escuela de Ingeniería y Tecnologías, se ha dedicado al análisis de algoritmos de deep learning, para aplicarlos en tareas de catastro, registro de cultivos, detección de plagas, análisis de estrés hídrico y predicción de crecimiento, estimación de humedad, irrigación y manejo eficiente de recursos naturales, así como estimados de producción.
"Los métodos de aprendizaje profundo hacen referencia a las técnicas utilizadas en inteligencia artificial que permiten a las computadoras aprender a realizar tareas complejas mediante el procesamiento y análisis masivo de datos; estos métodos utilizan redes neuronales artificiales que aprenden la relación entre los datos que ingresas a la red neuronal artificial y su salida; esto se realiza a través de múltiples capas de procesamiento que extraen características importantes de los datos de manera automática", mencionó.
Asimismo, mencionó que el aprendizaje profundo ha permitido que las máquinas realicen tareas que antes se consideraban exclusivas del ser humano, como reconocer patrones, entender el lenguaje natural, realizar traducciones y reconocer objetos en imágenes, entre otras tareas.
Los resultados de las investigaciones se comparten mediante notas de divulgación en colaboración con la Agencia Espacial Mexicana y Thrusters Unlimited, y se dan a conocer a través de sus sitios web y redes sociales, para exponer la importancia del uso de esta tecnología en la agricultura, así como motivar a los estudiantes que desean formarse en áreas de inteligencia artificial, sensado remoto satelital y observación de la tierra.
Los estudiantes de la UDEM que han colaborado en este trabajo mediante su Proyecto de Evaluación Final son, Álvaro Cámara Guerra; Cloe Artyounian Vieyra; Eder González Cuéllar; Adriana Treviño Escamilla.
Este proyecto fue evaluado y aprobado por un comité científico para publicarse en la International Conference on Computer and Automation Engineering 2024 (ICCAE) que se realizará en Melbourne, Australia, del 14 al 16 de marzo.
Los estudiantes de la UDEM tienen la oportunidad de colaborar en sus investigaciones cuando desarrollan su Proyecto de Evaluación Final (PEF), porque mediante este proyecto aplican conocimientos de investigación, visión computacional, robótica, algoritmos de machine learning en el sector agrícola.
Entre los PEF destacados que han trabajado sus alumnos, se encuentran Clasificación de cultivos utilizando sensado remoto satelital y técnicas de deep learning (2023); Time-series growth prediction models of "elephant ear" plants based on statistical learning and multimodal sensing (2022); Percepción multimodal para la geolocalización y fenotipado de racimos de uvas mediante imágenes multiespectrales y visión estéreo (2020); Mapeo 3D de áreas de cultivo utilizando visión estéreo para un robot de agricultura de precisión (2020); Máquina clasificadora de envases por medio de inteligencia artificial y reconocimiento de imágenes (2019); Desarrollo e implementación de algoritmos de inteligencia artificial para la detección, clasificación y manipulación de objetos mediante un brazo robótico (2018); Análisis e implementación de un vehículo aéreo para aplicaciones de sensado remoto (2018); Detección y clasificación de frutos cítricos mediante imágenes multiespectrales e inteligencia artificial (2018); y Desarrollo e implementación de algoritmos de inteligencia artificial para la detección, clasificación y manipulación de objetos mediante un brazo robótico (2018).
Hernández recomendó a las y los alumnos acercarse a profesoras y profesores que trabajan en áreas de conocimiento o aplicaciones de los cuales quieren aprender y focalicen ese aprendizaje en sus proyectos.
"Los alumnos saben que han descubierto su mejor versión cuando al final del semestre logran cumplir los objetivos de su proyecto de PEF, un proyecto que durante la primera semana los estudiantes creían que quizá no iban a ser capaces de completar; durante el desarrollo de estos trabajos de PEF, ellos mismos se conocen en la adversidad profesional y, al final, se dan cuenta que, con un plan, disciplina, focalización y trabajo constante, los resultados eventualmente se obtienen", mencionó.
Actualmente, el sector agrícola enfrenta diversos problemas, como la escasez de fuerza laboral, altos costos de producción, falta de tecnología para eficientizar procesos de producción y desperdicios excesivos.
Para el año 2050, se estima que la población a nivel mundial aumente de 9.5 billones a 9.7 billones de habitantes, por lo que es importante invertir en el desarrollo de tecnologías para mitigar los problemas antes mencionados y lograr una seguridad alimentaria.