Fase 2 · Roadmap drones
Análisis aéreo: una hectárea en 90 segundos
Esta página describe la siguiente fase del proyecto: integrar fotografía por dron para escalar de "una hoja por vez" a "toda la finca en un vuelo". Lo que ve abajo es una visualización indicativa de cómo se vería el sistema con vuelos a baja altitud. La funcionalidad real disponible hoy es análisis foto por foto + análisis de lote multi-foto que YA acepta varias fotos de dron a la vez.
VISTA PREVIA / ROADMAP
Vista simulada · finca de 5 ha con riesgo focal
Cada celda representa ~25 m². Color por severidad foliar agregada.
Por qué los drones multiplican el beneficio
~16×
Velocidad de cobertura
Una finca de 20 ha que toma 8 horas a pie, se cubre en 30 minutos con vuelo a baja altitud (3–5 m). Un técnico puede revisar 3-4 fincas en un día.
↓ 60%
Reducción de fungicida con aplicación variable
Con mapa de severidad por cuadrante, el productor puede aplicar fungicida sólo en zonas afectadas. Estudios en arroz reportan 30-60% menos producto con igual control de enfermedad (Mulla 2013).
5–7 días
Detección temprana con multispectral (NDRE)
Cámaras multispectrales captan estrés clorofílico antes de que aparezcan síntomas visibles. Selvaraj et al. (2020) detectaron banana xanthomonas wilt 5-7 días antes de síntomas visibles desde dron.
Sí, viable
Costo accesible para asociaciones
Dron entry RGB (DJI Mini 3): $500. Multispectral entry (DJI Mavic 3M): $5K. Compartido entre 10 productores de una asociación = $50-500 por finca. Ya hay servicios de fumigación con dron operando en El Oro.
Stack técnico para Fase 2
- Captura: Dron RGB para empezar (Mavic Mini 3 / Air). Patrón de vuelo grid a 80 m AGL con solape 70% lateral y frontal. Genera 100-300 fotos por hectárea.
- Ortomosaico: OpenDroneMap (open-source, sin costo) stitching de fotos en un único raster georreferenciado.
- Tile + análisis: dividir ortomosaico en parches 512×512, cada parche corre a través de CNN entrenada para detección de Sigatoka en canopia (U-Net o YOLOv8-seg) — esto reemplaza la heurística actual que es para hojas individuales.
- Mapa de severidad: agregar resultados de tiles → heatmap GeoTIFF → overlay sobre mapa base (Google Maps / OpenStreetMap).
- Aplicación variable: exportar prescription map (formato Shapefile o ISOBUS) para equipo de aplicación variable, o instrucciones manuales por sector.
Cronograma propuesto
- Mes 1-2: Vuelos de prueba con DJI Mini 3 en 3 fincas piloto (Machala, El Guabo, Pasaje). Captura de dataset inicial.
- Mes 3-4: Etiquetado del dataset con técnicos de Agrocalidad. ~2,000 parches anotados.
- Mes 5-6: Entrenamiento de modelo U-Net en colaboración con FACI-UTMACH. Validación cruzada.
- Mes 7-8: Integración de pipeline OpenDroneMap → análisis → heatmap en SigatokAlert.
- Mes 9-12: Piloto operativo con 10 fincas. Medición de impacto real vs. método actual.
Evidencia científica que soporta el roadmap
- Selvaraj et al. (2020). "AI-powered banana diseases and pest detection." Plant Methods 16:92. Detección automática de Sigatoka, Fusarium y BXW desde imágenes aéreas con CNN.
- Mulla (2013). "Twenty five years of remote sensing in precision agriculture." Biosystems Engineering 114:358-371. Meta-análisis: 30-60% reducción de insumos con prescripción variable.
- Calou et al. (2020). "Sigatoka disease severity prediction in banana orchards using UAV multispectral imagery." Remote Sensing Applications. Validación de NDVI/NDRE para Sigatoka.
- Aspe et al. (2021). UAV-based hyperspectral detection of Black Sigatoka — pruebas en plantaciones colombianas, F1=0.87.
- OpenDroneMap (proyecto open-source). Plataforma de fotogrametría usada por más de 10K agrónomos a nivel mundial.
Disponible hoy: análisis multi-foto
Si ya tiene un dron y puede tomar fotos de hojas individuales a baja altitud, el sistema actual acepta hasta 50 fotos en un solo lote y produce un veredicto a nivel finca. Pruebe el análisis de lote en /diagnostico.