Además de visualizar una gran cantidad de datos ambientales y de cultivo adquiridos en el campo, ahora lo guiamos hacia la creación del entorno óptimo de producción, identificando los riesgos y ocupándonos de ellos.
Takashi Togami, Gerente del Proyecto de e-kakashi
“Piensa lo que tienes que hacer desde la perspectiva de la planta”
e-kakashi ha sido aceptado en el campo de la agricultura porque se desarrolló con un enfoque en las perspectivas de las plantas
El e-kakashi integra tecnologías de la Información y Comunicación (TICs) justo con sensores de última tecnología. Sin embargo, a pesar de que dichas tecnologías son vanguardistas hasta ahora no se han apropiado exitosamente en el campo de la agricultura. Creemos que la razón principal es porque no se habían pensado desde una "perspectiva de las plantas".
Por ejemplo, el agua es generalmente importante para el cultivo de plantas. Pero ¿qué tiene de importante el agua? ¿La cantidad? ¿Ｏ la calidad? Si la cantidad es importante, ¿cuál es la cantidad óptima? Es en ese tipo de cosas en las que necesitamos pensar profundamente. La razón por la que las plantas necesitan agua es para la fotosíntesis. También para succionar y transportar nutrientes desde las raíces y mantener la temperatura. No hay duda de que el agua es importante para las plantas, pero debemos pensar por qué es importante. Esta es una de las filosofías de desarrollo de e-kakashi ya que siempre pensamos desde una perspectiva vegetal. Además de la perspectiva de la planta, consideramos las necesidades del mercado, es decir, la calidad de los cultivos.
En la actualidad existen varias demandas en el agro, por ejemplo, producir cosechas más grandes, más rápido y con menos recursos. Hasta ahora, los agricultores debían confiar solo en su experiencia e intuición en los cultivos. Sin embargo, en el mundo académico, ya existen ciertos conocimientos como la fisiología y la patología vegetal que pueden apoyar los procesos productivos en el agro. Nosotros combinamos la evidencia científica y la experiencia e intuición del agricultor, usando también datos ambientales para producir información útil para la toma de decisiones.
Esperamos que e-kakashi crezca de una manera inimaginable, absorbiendo datos más allá del cultivo.
Algunos agricultores creen que e-kakashi es asombroso, pero sienten que no necesitan tanta información. Sin embargo, personalmente creo que nunca es suficiente. Por ejemplo, la temperatura acumulada es un índice muy importante para los cultivos en crecimiento. Sin embargo, existe la temperatura del aire y la temperatura del suelo. Además, los arrozales también tienen temperatura del agua. El significado de la temperatura del aire difiere dependiendo de si la temperatura está cerca del suelo o 50 cm por encima. El significado de la temperatura del suelo difiere si la temperatura es en la superficie o 15 cm bajo tierra. Todo estos datos pueden convertirse en información valiosa para la toma de decisiones.
Los datos se analizan y visualizan de una manera amigable en donde lo importante no es "puedo hacer esto ahora, hagámoslo", sino "tengo que hacer esto, así que hagámoslo". La idea no es solo trabajar en el análisis de los datos que e-kakashi recolecta, sino también en los registros de las actividades agronómicas. Los datos de manejo, de cultivos y los registros de labores agronómicas están separados y no se han integrado hasta ahora. Además, queremos integrar datos del suelo y reflejarlos en los resultados de los análisis. Es difícil de lograr, pero creo que es fundamental para nuestro futuro de la agricultura.
PROFILE
- Takashi Togami Ph.D.
e-kakashi Business Director
Deputy Director, CPS Technology Planning Department, SoftBank Corp. - El Dr. Togami se graduó con un B.S. en ciencias aplicadas de la Universidad Charles Sturt en Nueva Gales del Sur, Australia, seguido de una maestría de la Universidad Mie en Japón, donde investigó las tecnologías de la información y la comunicación agrícola. Obtuvo un doctorado en ciencias de los recursos biológicos en 2012, también de la Universidad Mie, investigando redes de sensores y utilización de información en procesos productivos agricolas. En diciembre de 2012, el Dr. Togami recibió una mención de honor en el subcomité de la Comisión Internacional de Ingeniería Agrícola y de Biosistemas del Consejo Científico de Japón por su trabajo en una red de sensores inalámbricos para la gestión precisa del agua del suelo en los cultivos. Se unió a SoftBank Mobile (ahora: SoftBank Crop.). A partir del 2013 en adelante, lidera proyectos de desarrollo tecnológico relacionados con la tecnología y la experiencia agrícola del Internet de las Cosas(IoT).
Kyosuke Yamamoto, Desarrollador de e-kakashi
La Inteligencia Artificial (IA) de e-kakashi estima la fisiología vegetal y permite predicciones significativas con un volumen limitado de datos.
Integrando la esencia de la fisiología vegetal a la tecnología de las ciencias de la información
En los últimos años, la inteligencia artificial (IA) se han convertido en una palabra de moda. Esta tecnología se ha utilizado en una variedad de aplicaciones en agricultura. Sin embargo, personalmente, creo que existe un obstáculo importante en la aplicación de estas tecnologías desarrolladas en ciencias de la información a la agricultura. Hay varias razones para ello, pero el punto más significativo es la dificultad de recopilar datos para el entrenamiento de los modelos. En particular, datos fenológicos, fisiológicos y morfológicos del cultivo, podría llevar más de un año recopilar solo un registro completo. Muchas de las aplicaciones móviles que utilizamos cotidianamente utilizan algoritmos basados en modelos de inteligencia artificial, los cuales han sido entrenados con millones de datos. Esa magnitud es necesaria para lograr el máximo rendimiento de los algoritmos de IA. Creo que uno de los desafíos de la utilización de la IA en la agricultura es cómo obtener nuevos conocimientos a partir del aprendizaje automático usando conjuntos de datos pequeños.
e-kakashi desarrolla tecnología que puede producir predicciones significativas incluso con datos pequeños al incorporar en la lógica de los algoritmos de IA, la esencia de la fisiología vegetal (conocimiento basado en ciencia. Nuestros algoritmos analizan los datos del crecimiento y el ambiente del cultivo para, por ejemplo, proponer el método de control ambiental óptimo para maximizar el rendimiento y las ganancias. Todo esto, sin requerir grandes cantidades de datos históricos, usted puede obtener los beneficios de nuestra tecnología desde el primer año. Además, nuestra tecnología evoluciona día a día incorporando a nuestros modelos grandes cantidades de datos y conocimientos recién descubiertos sobre fisiología vegetal.
Plataforma de información agrícola
No somos un proveedor de hardware o software. Estamos desarrollando una plataforma que conecta a los agricultores en varios niveles. Como primer paso, construimos la “plataforma tecnológica de cultivo”. Existen muchas comunicaciones sobre buenas prácticas en el manejo del cultivo y conocimientos empíricos entre los agricultores. Nuestra plataforma agrupa estps factores en un solo lugar y proporciona diversas herramientas, datos y resultados de análisis para facilitar la transferencia de información.
E-kakashi proporciona no solo una plataforma para la tecnificación de los cultivos. Estamos desarrollando una “plataforma de información agrícola” que facilite diversas actividades relacionadas con la agricultura, como el historial de manejo agronómico del agricultor, información sobre el crecimiento de las plantas, compra y venta de material, distribución y venta de productos, etc. Nuestra plataforma proporciona nuevos valores generados a partir de las interacciones para todos los usuarios.
PROFILE
- Kyosuke Yamamoto Ph.D. e-kakashi Section, CPS Technology Planning Department, SoftBank Corp.
- Participó en la investigación sobre el fenotipado rápido de plantas mediante el análisis de imágenes e inteligencia artificialen la Escuela de Graduados de la Universidad Mie y la Universidad de Tokio, Japón. En 2015, recibió un doctorado en agricultura de la Universidad de Tokio. Desde ese mismo año, el Dr Yamamoto esta a cargo del area de I+D de e-kakashi del SoftBank Corp.
- Artículos publicados
- Yamamoto, K. Distillation of crop models to learn plant physiology theories using machine learning. PLoS One 14, e0217075 (2019).
- Yamamoto, K., Togami, T. & Yamaguchi, N. Super-Resolution of Plant Disease Images for the Acceleration of Image-based Phenotyping and Vigor Diagnosis in Agriculture. Sensors 17, 2557 (2017).
- Yamamoto, K., Togami, T., Yamaguchi, N. & Ninomiya, S. Machine Learning-Based Calibration of Low-Cost Air Temperature Sensors Using Environmental Data. Sensors 17, 1290 (2017).
- Yamamoto, K., Guo, W. & Ninomiya, S. Node Detection and Internode Length Estimation of Tomato Seedlings Based on Image Analysis and Machine Learning. Sensors 16, 1044 (2016).
- Yamamoto, K. et al. Strawberry cultivar identification and quality evaluation on the basis of multiple fruit appearance features. Comput. Electron. Agric. 110, 233–240 (2015).
- Yamamoto, K., Guo, W., Yoshioka, Y. & Ninomiya, S. On Plant Detection of Intact Tomato Fruits Using Image Analysis and Machine Learning Methods. Sensors 14, 12191–12206 (2014).
