ES2853423A1 - Solucion basada en la inteligencia artificial para el monitoreo de la salud de los vinedos y olivos en tiempo real - Google Patents

Abstract

Sistema de detección de enfermedades en viñedos y olivos mediante el uso de drones, espectroscopia e inteligencia artificial (0V-Care). La presente invención da a conocer un sistema para diagnosticar el estado de salud de viñedos y olivos que comprende: a) Vehículo aéreo no tripulado (UAV) con una cámara hiperespectral y una cámara térmica incorporadas a él, b) Red de comunicación inalámbrica, c) Software para el tratamiento y análisis de toda la información registrada y d) Plataforma digital accesible a los usuarios designados de la compañía la cual ofrece en tiempo real un mapa aéreo del cultivo, datos históricos, análisis estadísticos, recomendaciones para el esparcimiento de productos fitosanitarios, etc.

Description

DESCRIPCIÓN

SOLUCIÓN BASADA EN LA INTELIGENCIA ARTIFICIAL PARA EL MONITOREO DE LA SALUD DE LOS VIÑEDOS Y OLIVOS EN TIEMPO REAL

La presente invención se enmarca en los sectores vitivinícola y olivícola y, en particular, se refiere a un procedimiento a partir de las imágenes registradas por una aeronave no tripulada (dron) con una cámara térmica y una cámara hiperespectral, incorporadas en la misma, para diagnosticar el estado de salud de los viñedos y los olivos.

La propagación de plagas y enfermedades transfronterizas de las plantas ha aumentado drásticamente en los últimos años. La globalización, el comercio y el cambio climático, así como la reducción de la resistencia de los sistemas de producción debido a décadas de intensificación agrícola, han contribuido a ello. La Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) estiman que anualmente se pierde entre el 20 y el 40% de la producción mundial de cultivos debido a las plagas y enfermedades. Esto supone un costo económico mundial estimado de alrededor de 200.000 millones de euros.

Más concretamente en Europa, la producción total de cultivos en 2018 se estimó en unos 205.000 millones de euros, de los cuales 30.000 millones de euros se produjeron únicamente en las industrias vitivinícolas y olivícolas, lo que indica que estos cultivos arbóreos sean dos de las actividades agrícolas más relevantes desde el punto de vista económico. Como consecuencia de las plagas y enfermedades, se pierde anualmente una media del 26% de la producción de vino y olivo, lo que se traduce en una pérdida económica directa de más de 7.800 millones de euros al año.

En este contexto, la legislación fitosanitaria de la Unión Europea se sometió a una importante revisión en 2016 con la adopción del Reglamento (UE) N° 2016/2031 (OJEU, 2016), comúnmente denominado Ley de Sanidad Vegetal. Entre las medidas incluidas, la legislación define un subconjunto de "Plagas prioritarias", compuesto por 20 plagas con los impactos más graves previstos, desde una perspectiva económica, ambiental y social. Dentro de este ranking, hay dos patógenos que afectan a los viñedos y a los olivos y que, en los últimos años, han causado una creciente preocupación en estos sectores, debido a su expansión territorial. A continuación se enumeran estas enfermedades y los patógenos que las desencadenan:

Enfermedad de Pierce de la vid (PD) y Síndrome de Declive Rápido de la Aceituna (OQDS): Ambas enfermedades son causadas por la famosa bacteria Xylella Fastidiosa (XF), considerada como el problema agrícola más arriesgado de Europa. Según el Centro Común de Investigación (CCI) y la Autoridad Europea de Seguridad Alimentaria (AESA), el coste económico de la propagación completa de Xylella Fastidiosa podría generar una pérdida de producción europea de 5.500 millones de euros al año y posibles pérdidas de exportación por otros 700 millones de euros al año. Además, estarían en peligro casi 300.000 puestos de trabajo relacionados con la producción.

Flavescencia dorada (FD): Causada por la bacteria Candidatus Phytoplasma vitis y transmitida por el vector Scaphoideus titanus, se desarrolla en los vasos del floema de las plantas de vid. Sus posibles pérdidas económicas podrían generar una pérdida de producción europea de 516 millones de euros al año y otros 133 millones de euros anuales en términos de exportaciones. Además, están en peligro casi 12.000 puestos de trabajo relacionados con la producción de vid.

Además de estos patógenos de alto impacto potencial, existen actualmente otros patógenos ya extendidos por toda Europa, que constituyen problemas recurrentes para los productores de vid y olivo. La Alianza para la Innovación Agrícola Europea (EIP-AGRI) creó una lista de las enfermedades que más preocupan en la industria vitivinícola y olivícola, como se indica a continuación:

Marchitez por Verticillium (VW): Causada por el hongo vascular Verticillium dahliae. Actualmente se considera la enfermedad fúngica más grave y el principal desafío para el cultivo del olivo en las regiones mediterráneas, como en el sur de España, especialmente debido a un patotipo defoliante del patógeno que es muy virulento y causa una gran reducción de los rendimientos y la mortalidad de los árboles.

La mancha de la hoja de olivo (OLS): Esta enfermedad es causada por Spilocaea oleaginea, un patógeno vegetal fúngico que afecta a los olivos durante toda la temporada de crecimiento y puede causar importantes pérdidas en el rendimiento. La enfermedad causa manchas en el fruto, retrasa la maduración y reduce el rendimiento de aceite. La defoliación y, en casos graves, la muerte de las ramas, puede ocurrir, y la dolencia puede tener efectos de salud a largo plazo en los árboles.

Pudrición de las raíces y de la corona (RCR): Causada por varias especies del oomiceto Phytophthora que es especialmente frecuente en los suelos encharcados que afectan a los olivos. Estos tipos de patógenos transmitidos por el suelo inducen estrés hídrico y deficiencias de nutrientes, ya que el sistema radicular de la planta no explora ni explota adecuadamente el suelo, lo que induce a la decadencia de los árboles y a la reducción de los rendimientos.

Las enfermedades del tronco de la uva (GTD): Consideradas las enfermedades más destructivas de los viñedos en los últimos tres decenios y son causadas por diferentes especies de un género de hongos, como la dieback de bot, Esca, y la dieback de Eutypa. Los patógenos responsables de estas enfermedades atacan los órganos de larga duración, causando la muerte de las vides a corto o largo plazo.

El mildiú polvoroso (PM) Causado por el Erysiphe necator, infecta todo el tejido verde de la vid, incluyendo las hojas y las bayas jóvenes y puede causar una pérdida importante de la cosecha.

En todos los casos, la detección temprana es un elemento clave para evitar la pérdida de rendimiento o incluso de todo el cultivo, porque permite adoptar medidas preventivas, como la disminución de la densidad del inóculo, la aplicación de productos fitosanitarios o el control del vector. En general, cuando los síntomas son visibles al ojo humano, la enfermedad se encuentra ya en una fase avanzada y el patógeno se distribuye probablemente a lo largo de una zona de plantación más amplia.

Tradicionalmente, la detección de enfermedades en las plantas se ha llevado a cabo mediante la detección visual de los síntomas en el campo, sin embargo estos métodos son demasiado subjetivos. Además, presentan otros inconvenientes tales como la dedicación de muchas horas a estas inspecciones, lo que aumenta considerablemente el coste de ejecución de este método así como la percepción de la presencia del patógeno en fases avanzadas de la enfermedad. En un intento por resolver esta necesidad, se han desarrollado múltiples técnicas y tecnologías, que podemos clasificar en métodos directos e indirectos.

La detección directa incluye métodos moleculares y serológicos en los que se detectan directamente los patógenos causantes de la enfermedad, tales como bacterias, hongos y virus, para proporcionar una identificación precisa de la enfermedad/patógeno. Las principales técnicas son el ensayo inmunoenzimático (ELISA) o el ensayo de doble sándwich de anticuerpos (DAS) ELISA, la inmunotransferencia e inmunofluorescencia (IF) y la técnica génica (PCR) que también se están utilizando ampliamente, incluida la PCR convencional. Aunque estas técnicas se utilizan ampliamente en la identificación de enfermedades de las plantas, suelen aplicarse para confirmar la presencia de patógenos, es decir, una vez que la planta ya tiene deficiencias derivadas de una enfermedad, expresadas en síntomas. Además, por el coste que suponen (aproximadamente 1,2 euros/muestra en el caso de la PCR convencional) no se realizan pruebas preventivas.

Por otra parte, los métodos indirectos identifican las enfermedades de las plantas a través de diversos parámetros como pueden ser el cambio morfológico, el cambio de temperatura, el cambio de la tasa de transpiración y los compuestos orgánicos volátiles liberados por las plantas infectadas. En este caso, las técnicas empleadas son:

Teledetección (RS), una técnica para obtener información sobre un objeto sin contacto físico, midiendo la energía electromagnética reflejada/retrodispersada o emitida por la superficie de la Tierra. La aplicabilidad práctica de la RS para la vigilancia de enfermedades es limitada debido a su alta sensibilidad al cambio de las condiciones ambientales durante las mediciones, lo que hace que su precisión sea del 60%. Además, la detección de la RS carece de especificidad con respecto a las enfermedades.

Sistemas basados en sensores ambientales (ES): Otra técnica de detección indirecta de enfermedades se basa en modelos de predicción que estudian la evolución de los hongos y las bacterias en los cultivos de árboles para anticiparse a las infecciones. Los modelos utilizan variables meteorológicas como la temperatura, la lluvia y la humedad relativa. Estos sistemas sólo utilizan probabilidades sobre la aparición de enfermedades, sin ser precisos en su presencia. A su vez, es un método cuya sensorialidad necesaria lo hace relativamente caro en su instalación (110 euros/Ha). Los resultados también son muy difíciles de interpretar.

Biosensores (B): Un biosensor se define como un dispositivo que detecta, registra y transmite información relacionada con un cambio/proceso fisiológico en un sistema biológico o que utiliza materiales biológicos para vigilar la presencia de diversas sustancias químicas en una sustancia. Un grave inconveniente en el uso de esta tecnología son las adsorciones inespecíficas en la superficie del sensor que deben ser controladas cuidadosamente. Normalmente, las mediciones se ven muy afectadas por las condiciones ambientales, además de los costes y el tiempo de toma de muestras ya que son relativamente altos si se comparan con la técnica de teledetección (RS).

En general, los métodos de detección de enfermedades en laboratorio, incluidos los métodos de detección directa, tienen un tiempo de procesamiento y un costo relativamente altos. A su vez, la falta de solidez operacional, la falta de sensibilidad y la pérdida de precisión de la detección en estados asintomáticos se añaden a menudo a sus inconvenientes. Por otra parte, los métodos de detección indirecta son los que más prometen en relación con la detección de enfermedades. Sin embargo, su principal limitación radica en el desarrollo prematuro de los instrumentos que intervienen en el proceso, y su deficiencia de acción conjunta, lo que da lugar a problemas como las influencias ambientales y los altos costes.

A la vista de la problemática existente, queda patente la necesidad de encontrar una solución que permita diagnosticar el estado de salud de viñedos y olivos de elevada precisión, a un bajo coste y en tiempo real, la cual detecte si las plantas analizadas poseen algún tipo de enfermedad, qué tipo de enfermedad les afecta y su grado de avance así como su ubicación espacial. Además, la presente invención tiene el objetivo de detectar las enfermedades objetivo (en caso de que estén presentes) en una fase temprana de desarrollo, incluso antes de que se expresen los síntomas visuales, permitiendo adoptar medidas preventivas para evitar su propagación.

Es un objetivo de la presente invención dar a conocer un novedoso procedimiento para diagnosticar el estado de salud de viñedos y olivos basado en la detección del tipo de enfermedad que afecta al cultivo. Para ello, OV-Care basa su tecnología en el tratamiento de imágenes espectrales tomadas desde aeronaves no tripuladas y en su tratamiento a través de redes neuronales. Además, puede optimizar tiempos de diagnóstico del estado de salud, aumentar la precisión, reducir el coste y obtener resultados en tiempo real.

La presente invención está compuesta por tres módulos diferenciados: a) módulo hardware para la captación de imágenes espectrales, b) módulo software para el tratamiento y análisis de toda la información registrada y c) plataforma digital para la visualización de los resultados.

En un primer aspecto, el módulo hardware está compuesto por un vehículo aéreo no tripulado (UAV) con una cámara térmica y una cámara hiperespectral incorporada en él, que permite recoger información sobre el cultivo que se va a diagnosticar de forma eficaz y eficiente. Asimismo, el sistema UAV está formado por un tipo de rotor múltiple que tiene dos elementos principales: una plataforma aérea y un centro de control en tierra, conectados a través de una señal de comunicación.

La plataforma aérea está dotada de un sistema de navegación o piloto automático que permitirá la navegación autónoma, siguiendo una ruta de vuelo predefinida por el usuario (en este caso, un piloto registrado) desde el puesto de control en tierra.

La cámara hiperespectral tiene un modo de captura de 260 bandas a 1,85 nm/pixel, fijándose en 50 fotogramas por segundo. Esto permite registrar las señales espectrales clave para la identificación de la enfermedad. Se utiliza un sistema capaz de adquirir bandas en la región de 400-1300 nm, teniendo en cuenta que para las plantas los rangos de longitudes de onda más útiles para analizar son el rango visible (400-700 nm) combinado con el rango del infrarrojo cercano (700-1300 nm). Este rango de longitudes de onda puede capturar los cambios en la pigmentación de las hojas y en la estructura celular del mesófilo.

La cámara térmica entrega imágenes con una resolución de 640 x 480 píxeles trabajando también con una estabilización de refrigeración termoeléctrica (TS), que ofrecerá una alta sensibilidad.

Ambas cámaras son previamente calibradas en el laboratorio utilizando una fuente de luz uniforme, que proviene de una esfera de integración. Esto hace que el hardware esté listo para su uso, y para ser enviado a la red de pilotos que conocen el funcionamiento del vuelo.

En cuanto a la protección de este primer módulo, todo lo relativo al hardware o dispositivos físicos se protegerán como diseño industrial.

En cuanto al módulo software, éste es el encargado de eliminar las distorsiones producidas en el proceso de captura de información, y ajustar la información espacial a un sistema de referencia determinado. Para lograr este objetivo, el UAV tiene integrado un sistema de navegación autónomo, compuesto por un sistema inercial y un GPS que permite conocer la postura y posición del dron durante todo el vuelo.

Con el fin de erradicar las alteraciones, la ortorectificación de las imágenes hiperespectrales se realiza utilizando un software específico para tal fin, como PARGE (ReSe Applications Schlapfer, Wil, Suiza). Asimismo, la corrección atmosférica filtra las interferencias ambientales que puedan influir en el proceso de captación, dando como resultado una irradiación adecuada de las plantaciones. Esto se realiza mediante el modelo SMARTS. Una vez corregidos, los valores de irradiación capturados por las cámaras se transforman en reflectancia también mediante el software SMARTS.

Una vez que las imágenes han sido corregidas, se lleva a cabo la individualización de las unidades del árbol. La segmentación de las imágenes se realiza mediante un algoritmo de discretización, que se basa en la agrupación de los medios K26. Este programa divide las imágenes digitales en múltiples regiones identificando coronas de árboles puros para extraer la característica de cada objeto, con el fin de calcular los parámetros térmicos y espectrales de todos los píxeles que componen cada corona.

Aunque existe un gran número de índices de vegetación y parámetros espectrales y biofísicos, mediante una exhaustiva bibliografía e investigación documental, a partir del vasto número de índices de vegetación y parámetros espectrales y biofísicos, se han identificado los más relevantes para las enfermedades objetivo, incluyendo la valoración de NDVI (Índice de Vegetación de Diferencia Normalizada), OSAVI (Índice Optimizado de Vegetación Ajustada al Suelo), LAI, GRVI, DVI, SAVI, ARI, MARI, GNDVI, SAVI, ARI, RGI, MACI, ACI y más de 60 más. Estos índices ya han demostrado su exactitud y potencial para la identificación de las enfermedades objetivo. Todos estos parámetros forman una base de datos llamada "Biblioteca Espectral". El cálculo de los parámetros seleccionados se realiza mediante un algoritmo de cálculo que incluye todas las fórmulas pertenecientes a los parámetros seleccionados.

Una vez que los algoritmos identifican y calculan los parámetros de los árboles, en base a sus valores, se asigna a cada planta un estado de salud, así como la enfermedad que la afecta y su grado de avance (si procede). En este caso, OV-Care utiliza una Red Neural de Propagación de la Espalda (BPNN) que ha sido previamente entrenada y calibrada en diferentes fincas que sufren una de las enfermedades objetivo, en un grado de avance determinado. En este entrenamiento previo, se ha contrastado los índices espectrales con los resultados obtenidos en el laboratorio, por lo que se ha podido establecer una relación enfermedad-parámetros, que es más precisa a medida que la red neuronal está más entrenada. Además, estos algoritmos son del tipo de aprendizaje profundo, alimentando su precisión a medida que se utiliza el sistema.

En lo relativo a la protección de este módulo, como se fundamenta en el desarrollo de la algoritmia software, se llevará a cabo como "trade secref.

Finalmente, la plataforma digital permite el acceso a los resultados, en tiempo real, a los usuarios designados de la compañía. Ésta contiene toda la algoritmia de automatización que permite entregar los resultados de forma clara y entendible, la base de datos en la que se almacena toda la información y las distintas interfaces, personalizadas para cada cliente, en función de los datos que se pretenden visualizar. Se puede acceder a ella desde cualquier host remoto con conexión a internet.

Los productores pueden visualizar un mapa aéreo del cultivo, creado a partir de la base de los algoritmos de discretización y localización espacial de las unidades arbóreas (registrados por el GPS del UAV), y del algoritmo de cálculo de las variables espectrales y de clasificación del estado de salud. En este mapa las unidades arbóreas se representan con diferentes puntos de color, según el estado de salud.

El usuario también puede acceder a un tablero con información estadística sobre los datos históricos de salud de los cultivos, el informe sobre el tratamiento de enfermedades y las recomendaciones para la gestión de los cultivos, entre otras funciones.

Con el fin de preservar la privacidad de los usuarios se garantiza en todo momento la confidencialidad de la información tratada, cumpliendo con los protocolos de seguridad expuestos en la Norma ISO 27001 de Gestión de la Seguridad de la Información.

Este último módulo, al consistir en una plataforma digital, se protegerá como "trade secret", ya que no pueden aplicarse los criterios de patentabilidad convencionales.

Con todo ello, si bien la invención se ha presentado y descrito con referencia a una realización de la misma, se comprenderá que esta no es limitativa de la invención, por lo que podrán darse variables múltiples, detalles constructivos u otros que puedan considerarse evidentes para los técnicos del sector, después de interpretar la materia que se da a conocer en la presente descripción, y las posteriores reivindicaciones y dibujos.

Adicionalmente, todas las variantes y equivalentes quedarán incluidos dentro del alcance de la presente invención si se pueden considerar comprendidas dentro del ámbito más extenso de las siguientes reivindicaciones.

Claims (19)

REIVINDICACIONES

1. La presente invención OV-Care da a conocer un sistema inteligente de detección de enfermedades en viñedos y olivos, CARACTERIZADO por estar dividido en los siguientes módulos:

a) Módulo de captación de imágenes espectrales

b) Módulo de tratamiento y análisis de toda la información registrada

c) Plataforma digital para la visualización de los resultados

2. Sistema, según reivindicación 1, CARACTERIZADO por un módulo de captación de imágenes espectrales encargado de recoger información sobre el cultivo que se va a diagnosticar de forma eficaz y eficiente.

3. Sistema, según reivindicación 1 o 2, CARACTERIZADO por un subsistema hardware relativo al módulo de captación de imágenes espectrales compuesto por un vehículo aéreo no tripulado (UAV), el cual lleva incorporado una cámara térmica y una cámara hiperespectral.

4. Sistema, según reivindicación 1 o 2, CARACTERIZADO porque el UAV dispone de piloto automático lo que permite una navegación automática, siguiendo una ruta de vuelo predeterminada por el usuario desde el puesto de control en tierra.

5. Sistema, según reivindicación 1 o 2, CARACTERIZADO por una cámara hiperespectral, encargada de registrar señales espectrales que permitan la identificación de las enfermedades. Puede capturar los cambios en la pigmentación de las hojas y en la estructura celular del mesófilo.

6. Sistema, según reivindicación 1 o 2, CARACTERIZADO por una cámara térmica con estabilidad de refrigeración termoeléctrica que ofrece una alta sensibilidad.

7. Sistema, según reivindicación 1, CARACTERIZADO por un módulo de tratamiento y análisis de toda la información registrada por el UAV.

8. Sistema, según reivindicación 1 y 7, CARACTERIZADO porque la ortorectificación de las imágenes hiperespectrales se realiza mediante el software PARGE.

9. Sistema, según reivindicación 1 y 7, CARACTERIZADO porque la corrección atmosférica así como la conversión de los valores de Irradiancia en reflectancia se realiza mediante el software SMARTS.

10. Sistema, según reivindicación 1 y 7, CARACTERIZADO por el empleo de un algoritmo de discretización para la individualización de las unidades del árbol.

11. Sistema, según reivindicación 1 y 7, CARACTERIZADO por contar con una base de datos "Biblioteca espectral" a partir de la cual se establecen los parámetros espectrales y biofísicos característicos de los viñedos y olivos.

12. Sistema, según reivindicación 1 y 7, CARACTERIZADO por contar con una algoritmo que calcule todo los parámetros espectrales definidos en la Biblioteca espectral.

13. Sistema, según reivindicación 1 y 7, CARACTERIZADO por asignar a cada planta un estado de salud, tipo de enfermedad y grado de avance a partir de una red neuronal de propagación de la espalda (BPNN).

14. Sistema, según reivindicación 1 y 7, CARACTERIZADO por contar con una base de datos a partir de la cual se establecen los parámetros espectrales y biofísicos característicos de los viñedos y olivos.

15. Sistema, según reivindicación 1 y 7, CARACTERIZADO porque dicho diagnóstico del estado de salud se realiza en un tiempo de 1,5 minutos por hectárea.

16. Sistema, según reivindicación 1 y 7, CARACTERIZADO porque la precisión obtenida mediante el empleo de redes neuronales es del 98%.

17. Sistema, según reivindicación 1, CARACTERIZADO por un módulo de plataforma digital (protegida mediante "trade secret") que permite visualizar el campo de cultivo y clasificar los árboles según el estado de salud desde diferentes cualquier dispositivo con conexión a internet.

18. Sistema, según reivindicación 1 y 17, CARACTERIZADO porque el usuario puede acceder a una interfaz con información estadística sobre los datos históricos de salud de los cultivos, el informe sobre el tratamiento de enfermedades y las recomendaciones para la gestión de los cultivos, entre otras funciones.

19. Sistema, según reivindicación 1 y 17, CARACTERIZADO porque el tratamiento de datos del módulo de plataforma digital cumple de manera estricta con los estándares de seguridad de la información requeridos en la ISO/IEC 27001.