IMPLICANCIAS TECNOLÓGICAS Y ECONOMICAS

PULVERIZACION SELECTIVA DE HERBICIDAS: IMPLICANCIAS TECNOLÓGICAS Y
ECONOMICAS DE SU IMPLEMENTACION EN LA ARGENTINA.
Moltoni Andrés1 y Luciana Moltoni2
RESUMEN: El uso de herbicidas permite al productor agropecuario un control eficiente de las
malezas. Sin embargo, su empleo debería minimizarse por el impacto ambiental que esto genera. A
su vez, una reducción de dichos volúmenes representaría un importante beneficio económico. En
Argentina la aplicación de herbicidas se realiza en forma uniforme en la totalidad del campo, no
obstante el grado de enmalezamiento no es homogéneo sino que aparece en forma de “manchas”.
Existen varias iniciativas en el mundo que abordan este problema. En el presente trabajo se realizó
un análisis tecnológico de los distintos sistemas de pulverización selectiva existentes,
determinándose que, en una primera instancia, el método de detección de color rojo y cercano al
infrarojo (RR/NIR) sería el más factible a ser desarrollado en la Argentina. Este método consigue
distinguir las malezas del suelo, pero no esta capacitado para diferenciar entre el cultivo y las
malezas. Si bien esto hace que su aplicación se limite solamente al control de malezas en barbecho,
esto no es nada despreciable si tenemos en cuenta que del total de herbicidas utilizados el 29% es
destinado al barbecho químico. Con este sistema se obtendría un ahorro cercano a los 67 millones de
dólares anuales y un incremento en el margen bruto que puede alcanzar el 9%.
Palabras Clave: aplicación de herbicidas - detección de malezas - pulverización selectiva - visión
artificial
SUMMARY: The application of herbicides allows producers to have an efficient control of weeds
population. However, due to the ecological impact which produces, its use should be minimized.
Moreover, a reduction of that amount would represent important economic savings. Uniform spraying
is widely used in herbicide applications in Argentina. On the other hand, the distribution of weeds is
often “patchy”, rather than “even”. Many approaches have been proposed for weed detection in the
world. This study analyses the technological issues involved in different spot spraying systems. It was
determined that the method of detection of red and near infrared (RR/NIR) is the most appropriate to
be developed in Argentina. This system distinguishes between green plants and soil but it does not
make a distinction between weeds and crop. Despite the fact that this is only useful for weed control in
fallow, the amount of herbicides used in this stage is 29% of the total applied yearly. With the
application of this system we would obtain savings of 67 millions of dollars a year and increases the
profit in 9%.
Key Words: herbicide application – machine vision - spot spraying - weed detection
INTRODUCCION
Es sabido que el uso de herbicidas permite al productor agrícola un control eficiente de las malezas
pero, por razones tanto ambientales como económicas, el volumen utilizado debe ser minimizado. A
su vez, la interferencia de las malezas en los cultivos disminuyen los rendimientos (Barritt and Witt
1987). Dicha disminución esta representada por un valor variable cuya dependencia esta dada por la
interacción de múltiples factores (Schweizer 1983; Conn and Thomas 1987; Beckett et al. 1988).
Investigaciones realizadas para el cultivo de girasol durante la década del ´90 demostraron que las
perdidas de rendimiento por competencia de malezas gramíneas anuales se ubicaban entre un 4 y un
78 % con un promedio de 38% (Gries 2003). Por estos motivos, una reducción en las cantidades de
herbicidas usados sería solamente viable siempre que el objetivo de su utilización no fuese afectado.
En la actualidad, los herbicidas son aplicados en forma uniforme en la totalidad del campo. Sin
embargo, el grado de enmalezamiento no es homogéneo, sino que aparece en forma de “manchas”
(Cardina et al. 1995, Gerhardes et al. 1997, Wang et al. 2001). Este manchoneo puede ocupar desde
el 80% hasta un porcentaje casi ínfimo de la superficie arable (Brown et al. 1990; Thompson et al.
1991; Johnson et al. 1995b; Rew et al. 1996). Estudios determinaron que el 30 % y el 70 % de la
superficie estaba libre de malezas de hoja ancha y gramíneas, respectivamente, al momento de ser
aplicados los herbicidas post-emergentes (Johnson et al. 1995a). A su vez, diversas investigaciones
demostraron que los herbicidas pueden ser aplicados en menor porcentaje sin generar impactos
significativos en los rendimientos de los cultivos (Marking 1990), e incluso se comprobó que utilizando
1
Instituto de Ingeniería Rural, CIA, CNIA, INTA. CC. 25 (1712) Castelar, Buenos Aires, Argentina.
amoltoni@cnia.inta.gov.ar
2
Instituto de Ingeniería Rural, CIA, CNIA, INTA. CC. 25 (1712) Castelar, Buenos Aires, Argentina.
lmoltoni@cnia.inta.gov.ar
1/8 de lo indicado en el marbete de los herbicidas post-emergentes se pueden controlar las malezas
sin pérdidas apreciables en los rendimientos (Willis and Stroller 1990). La razón por la cual se
recomiendan aplicaciones de herbicidas en altas dosis esta dada, principalmente, por el
desconocimiento del desarrollo en el cual se encuentran las malezas, lo que obliga a considerar a
cualquier situación como si se tratase del peor escenario posible (Tian 2002). Esto es potenciado por
la poca eficiencia en las aplicaciones ocasionadas por los efectos de la deriva y la mala distribución,
elevando las dosis recomendadas para asegurar el control y mantener la confiabilidad del producto.
De esta manera, la aplicación de herbicidas solo en aquellas zonas que se encuentra afectadas
mejoraría notablemente la eficiencia en su uso (Wang et al. 2001), disminuyendo el desperdicio que
genera la aplicación en aquellos lugares donde no es necesario. Haggar et al. (1983) estimaron una
reducción del 60% en los herbicidas post-emergentes utilizados por medio del uso de tecnología que
permitió su aplicación solamente en las áreas que lo requerían.
Dicho desperdicio genera impactos ambientales y económicos que, aunque a priori sean fácilmente
diferenciales, poseen una gran vinculación. Los herbicidas forman parte de los costos de la
agricultura. Si éstos son aplicados en un volumen mayor que aquel que es necesario, se está
teniendo un uso ineficiente del recurso y, por lo tanto, se está incurriendo en un costo innecesario. A
su vez, la aplicación de herbicidas genera modificaciones en el ecosistema que provocan, entre otras
cosas, un cambio en la población de las malezas. La aplicación de un principio activo va eliminando
las plantas sensibles y provoca el crecimiento de poblaciones vegetales tolerantes o resistentes a las
dosis aplicadas. Cuanto mayor sea la cantidad aplicada de herbicidas, siendo esta innecesaria, mayor
volumen será necesario en el futuro para generar un control eficiente de las malezas. Por lo tanto,
estas modificaciones en el ecosistema generarán mayores costos. También debe ser considerado en
este punto el tema de la seguridad alimentaria. La aplicación de dosis mayores a las recomendadas
genera altos riesgos de contaminación de los alimentos (Wiles et al. 1992).
Con la finalidad de reducir los costos y el impacto ambiental han aparecido en el mundo varias
iniciativas que abordan la problemática desde diferentes enfoques. Muchos investigadores han
estudiado la posibilidad de detectar la maleza por medio de métodos de visión artificial (Shearer and
Colmes 1990, Woebbecke et al. 1992, Zhang and Chaisattapagon 1995, Tian et al. 1997, 1999).
Existen nuevas tecnologías en vías de desarrollo asociadas a la pulverización selectiva de malezas,
que intentan eliminar el exceso en la aplicación de herbicidas.
El objetivo principal del presente trabajo consiste en analizar la viabilidad tecnológica y económica de
los diferentes métodos asociados a la pulverización selectiva de malezas.
2. USO DE HERBICIDAS EN ARGENTINA
Analizando la incidencia de la utilización de herbicidas en la actividad agrícola argentina podemos
decir que, dentro del mercado de productos fitosanitarios, éstos lideran el volumen de ventas.
Mientras que los insecticidas y fungicidas representan un 16 y un 19% respectivamente, el volumen
de herbicidas comercializados en el mercado asciende al 69% del total (CASAFE, 2005).
La cantidad de herbicidas comercializada durante el año 2003 en el mercado argentino ascendió a
159,72 millones de Kg/l, lo que representó 454,12 millones de dólares. Desagregando esta
información podemos inferir que, sumado los cuatro cultivos principales de la Argentina, encontramos
el 81% de los herbicidas utilizados en la producción agrícola. Es más, solamente el cultivo de soja
representa un 45% del total (Gráfico 1). Teniendo en cuenta la superficie sembrada para dichos
cultivos, podemos concluir que por cada hectárea sembrada fueron gastados aproximadamente 15
dólares en herbicidas.
Con lo antes expuesto se describe muy brevemente la situación actual del uso de herbicidas. Pero,
¿qué podemos decir de la evolución histórica del uso de los mismos? ¿Cómo llegamos a los actuales
volúmenes comercializados?
El volumen comercializado durante los años 1990 y 2003 aumentó considerablemente. Esto se repite
tanto para los volúmenes físicos, cuyo incremento en términos absolutos fue de un 710%, como para
los volúmenes monetarios. Podemos decir que el aumento de los volúmenes utilizados responde a
diferentes fenómenos.
Pasturas
6%
Mani
2%
Otros
11%
Soja
45%
Girasol
11%
Trigo
7%
Maiz
18%
Gráfico 1: Distribución de uso de herbicidas por cultivo
Fuente: Elaboración propia sobre la base de datos de CASAFE, 2005
Por un lado, debe ser atribuido a la expansión del cultivo de soja. Esta ingresa a la producción
nacional con un paquete tecnológico implementado globalmente y siendo una de sus premisas el uso
intensivo en herbicidas. De esta manera, podemos observar que durante la campaña 70/71 la
superficie sembrada fue de 38 mil hectáreas, mientras que en la campaña 03/04 dicha superficie se
había expandido a mas de 14 millones de hectáreas.
Un segundo factor está dado por la adopción de la siembra directa. En 1990 la superficie en siembra
directa era de solo 92 mil hectáreas. En la actualidad esa superficie asciende a 15 millones de
hectáreas. La siembra directa propone la no remoción del suelo para, de esta forma, lograr disminuir
los daños ocasionados por la erosión. La utilización de herbicidas se ve incrementada ya que estos
son aplicados para el control de malezas tanto en el barbecho como durante el ciclo del cultivo. En la
actualidad la cantidad de herbicidas involucrados en la instancia del barbecho representa el 29%
sobre el total de los herbicidas consumidos.
Otro factor importante a mencionar es el ingreso a la producción argentina de la soja RR, ya que al
tratarse de variedades resistentes a los herbicidas el uso de los mismos es mayor. Si bien con la
introducción de soja RR se simplifica el manejo de malezas, la misma requiere la aplicación de
mayores volúmenes de herbicidas que la soja convencional (Benbrook 2001). Estos tres factores que
determinan incrementos en el consumo de herbicidas ocasionan, a su vez, un cuarto elemento: se
generan, como fue mencionado anteriormente, ciertas malezas con mayor resistencia que obligan al
productor a incrementar la dosis más allá de aquella que es recomendada. La resistencia se genera
como consecuencia de la eliminación de los biotipos susceptibles de la maleza por el uso reiterado y
frecuente de un mismo herbicida, o bien de herbicidas distintos pero con el mismo modo de acción, lo
que determina el aumento en la frecuencia de los biotipos resistentes preexistentes en la población
aunque en muy baja proporción (Faya de Falcon y Papa 2001). Se han localizado alrededor de 235
especies de malezas resistentes a herbicidas distribuidas en aproximadamente 42 países
(Internacional Survey of Herbicide-Resistant Weeds 2000).
Cuadro 1: Evolución del mercado argentino de herbicidas
1991
Herbicidas
% Herb/Total
fitosanitarios
millones de kg/l
19,7
1993
26,2
1995
42
1997
75,5
1999
2001
2003
97,3 111,7 159,7
millones de u$
192,4 292,6 448,1 634,7 448,1 400,1 454,12
kg/l
50,12 52,08 57,85 60,88 76,37 78,44 80,02
U$
67,36
72 71,57 68,64 71,89
66,3 69,46
Fuente: Elaboración propia en base a datos obtenidos en CASAFE, 2005.
Si analizamos la evolución de la participación de los herbicidas sobre el total de los productos
fitosanitarios, nos encontramos con ciertas divergencias. Desde el punto de vista de los volúmenes
físicos, la evolución sobre el total de los productos fitosanitarios es significativamente positiva.
Mientras que en 1991 solamente representaban el 50% del total, en el año 2003 dicho número
asciende al 80%. La situación es distinta si analizamos los porcentajes en millones de dólares. Aquí la
proporción parece mantenerse estable durante el período considerado, lo que está señalando una
caída en los precios. Esto fue causado por una excesiva oferta, especialmente en el herbicida más
utilizado del país como lo es el glifosato, y la existencia de una gran competencia entre las empresas
proveedoras. A su vez, la extinción de patentes de algunos herbicidas hizo descender los precios al
liberarse la producción de los mismos.
3. METODOS DE PULVERIZACIÓN SELECTIVA
A continuación se procederá con la descripción de los diferentes métodos que permiten realizar una
pulverización selectiva.
3.1 Detección mediante sensores ópticos.
3.1.1 Detección de color
Una aproximación muy sencilla para lograr una pulverización selectiva radica en detectar la presencia
del color verde. Con esta simple operación estaríamos en condiciones de distinguir las malezas
verdes del suelo y, de esta manera, poder pulverizar solamente los sectores que poseen malezas.
Este método resultaría muy beneficioso para aquellos campos que implementan la siembra directa,
minimizando el volumen de herbicidas aplicado al control de malezas en el barbecho. Queda claro
que cuanto menor sea la cantidad de malezas que posea el campo, mayor será el porcentaje de
ahorro que proporciona este sistema respecto de una pulverización convencional.
Implicancias tecnológicas de un sistema detector de color óptico
Para la implementación de este método se debe colocar un sensor que realice una exploración del
suelo con el objetivo de detectar las malezas antes que las mismas lleguen a la pastilla pulverizadora.
Una pequeña unidad central de proceso (CPU) se encarga de procesar los datos enviados por el
sensor y de determinar la existencia o no de malezas, actuando sobre una válvula electrónica que
restringe el paso el herbecida a la pastilla pulverizadora. (Fig. 1)
La implementación de un sistema como el descripto precedentemente no requiere del uso de
tecnología sofisticada, así como tampoco de algoritmos de detección complejos. Este tipo de sistema
se puede implementar fácilmente con el uso de un microcontrolador, el cual debe ser capaz de
analizar los datos provenientes del sensor y de actuar consecuentemente.
Un microcontrolador es una pequeña computadora que cuenta con memoria RAM y ROM integrada
en su interior y se encuentra especialmente diseñado para trabajar en ambientes ruidosos debido a
su robustez.
Figura 1: Esquema de un sistema de pulverización selectiva
El microcontrolador a utilizar puede ser de cualquiera de las marcas existentes en el mercado en
cualquiera de sus distintas velocidades, teniendo en consideración que dicha velocidad debe ser
suficiente para resolver la tarea en cuestión, lo cual dependerá en gran medida de la forma en la que
se decida interactuar con los sensores y en la cantidad de los mismos a utilizar.
El sensor es un detector de color sencillo el cual puede adquirirse o fabricarse mediante el uso de
fotodiodos y filtros ópticos.
Con el método de detección de color se consigue una clara distinción entre la maleza y el suelo. Sin
embargo, por las características propias del sensor no es posible distinguir entre el cultivo y la
maleza. Esto último sería realmente útil en la aplicación de los herbicidas post-emergentes. Si bien
actualmente esta selectividad se logra con el uso de variedades de cultivos resistentes al herbicida,
se está realizando un uso ineficiente del mismo al pulverizar todo el lote para tratar las malezas que
no se encuentran distribuidas uniformemente. Este sistema puede ser adaptado fácilmente para
detectar y pulverizar malezas ubicadas en los entre surcos lo cual resultaría también muy beneficioso.
3.1.2 Detección del color rojo y cercano al infrarrojo (RR/NIR)
Existen varios trabajos enfocados en la detección de malezas mediante la cantidad de luz reflejada
por las mismas al ser iluminadas. Fundamentalmente se han realizado estudios para determinar la
cantidad de luz reflejada cerca del infrarrojo (NIR) y en el rango del rojo (RR) (Shropshire et al. 1990).
Dado que el suelo y las plantas reflejan cantidades distintas de ambos espectros, es posible utilizar
esta característica para realizar una clasificación. Las plantas debido a su clorofila, absorben gran
cantidad de luz roja, en el rango de longitudes de onda que van de 630 a 660 nm (RR), mientras que
la luz cercana al infrarrojo, que se encuentra entre 750 y 1200 nm (NIR) es ampliamente reflejada.
Según trabajos realizados, la relación de NIR/RR se encuentra entre 1.1 y 1.5 para el suelo y entre 6
y 15 para las plantas con hojas verdes, dependiendo del tipo de suelo y de maleza (Biller 1998). Se
entiende que esto proporciona un método concreto para poder realizar una pulverización selectiva, ya
habiéndose realizado sensores capaces de efectuar esta discriminación (Felton et al. 1992).
Con este método se han logrado reducciones en el uso de herbicidas de entre el 30 y el 70% con
niveles de precisión en la detección del 95%, dependiendo esto último del tipo cultivo y de la maleza
(Biller 1998). También existen estudios que determinaron, luego de trabajos que se prolongaron
durante 4 años, que se produciría un ahorro del 54% de herbicidas en promedio con el uso de un
sistema de pulverización selectiva (Timmermann et al. 2001).
Existe otro trabajo que debemos mencionar, en el cual se realizó un sensor óptico con el uso de 6
fototransistores y 5 filtros cuyas longitudes de onda fueron producto del estudio de las distintas
longitudes de onda absorbidas por varias especies de malezas y cultivos. Este dispositivo es capaz
de detectar diferentes tipos de maleza o cultivo. El trabajo se realizó en laboratorio con muestras que
contenían solo la maleza o cultivo en cuestión. También se estudió el comportamiento de dicho
sensor ante distintas densidades de los distintos cultivos y malezas (Wang et al. 2001).
Implicancias tecnológicas de un sistema NIR/RR
En lo que al procedimiento respecta, la idea es similar. Lo único que se modifica es la forma de
detectar las malezas, o sea el sensor. En este caso está conformado por dos fotodiodos, uno
dedicado a detectar la cantidad de luz roja reflejada por la planta y otro dedicado a detectar la
cantidad de luz cercana al infrarrojo reflejada. Esto es posible mediante el uso de filtros ópticos de la
longitud de onda deseada (RR o NIR) para cada sensor.
El procesamiento de los datos tomados por el sensor y la actuación sobre la electroválvula, también
puede ser llevado a cabo por un microcontrolador como se especificó en el método anterior, debido a
que el algoritmo de discriminación a aplicar tampoco posee una gran complejidad.
Las conclusiones para este método son idénticas a las del método anterior, haciendo hincapié en su
simple diseño y la desventaja de no poder distinguir la maleza del cultivo. Sin embargo, este método
permitiría realizar reducciones importantes en los volúmenes de herbicidas aplicados al control de
malezas cuando se realiza la práctica del barbecho químico.
3.2 Detección mediante visión artificial
Los sistemas de visión artificial están basados en el uso de cámaras de video o fotográficas. Dentro
de éstos podemos distinguir básicamente tres métodos.
En una primera aproximación, las imágenes pueden se tomadas con una cámara de película
convencional. Luego deben ser escaneadas con un escáner de alta definición para su posterior
procesamiento con el algoritmo de detección correspondiente. También podría ser utilizada una
cámara digital, con lo que se lograría proceder directamente a la detección. Queda claro que este
método solo es aplicable en laboratorio y se lo utiliza para desarrollar algoritmos de detección.
Existe otra forma similar a la anterior pero que permitiría trabajar a campo. Esta consistiría en la toma
de fotografías del campo georefernciadas antes de realizar la pulverización, para luego tratar las
imágenes mediante el algoritmo de detección deseado con una PC de escritorio. Una vez que se
obtiene un mapa de la ubicación de las malezas, estos datos son cargados en la pulverizadora que
cuenta con un GPS. De esta manera es posible lograr la aplicación solo en aquellos sitios indicados
en el mapa como afectados por las malezas. Una de las ventajas de este método es que el
procesamiento grueso de información no se realiza en tiempo real, pudiéndose hacer uso de una PC
de escritorio.
El último y más importante es la adquisición y procesamiento de las imágenes en tiempo real, ya que
esto nos permitiría tener una pulverizadora selectiva completamente independiente y automatizada.
Trabajar en tiempo real implica tomar las imágenes, procesarlas, detectar las malezas y actuar
consecuentemente mientras el equipo de pulverización se encuentra en movimiento. Estos equipos
cuentan con el uso de cámaras digitales (CCD) y de una o varias CPU capaces de ejecutar los
algoritmos de detección para lograr una actuación en el momento que se precisa.
3.2.1 Detección por análisis de color
Si hacemos uso de una cámara digital color y realizamos una clasificación de zonas verdes contra
suelo, estaríamos en condiciones de realizar una pulverización selectiva. Sin embargo, existen
algunos puntos que deben ser tenidos en cuenta. La clasificación por detección de color mediante
visión artificial ha probado ser efectiva en gran cantidad de trabajos, pero éstos fueron realizados en
laboratorios o invernaderos con condiciones de luz controladas. La iluminación es un factor muy
importante a la hora de tomar las imágenes y afecta directamente la detección, por lo tanto, si
queremos realizar una maquina de visón artificial para la detección de malezas a campo es preciso
tener este tema muy presente. (Zhang et al. 1995, El-Faki et al. 1997, 2000).
Implicancias tecnológicas de un sistema de análisis de color.
El procedimiento es similar al que hemos estado desarrollando hasta el momento. El mismo esta
conformado, por un sensor que realiza una exploración del suelo con el objetivo de detectar malezas
y por una CPU. La CPU tiene la función de procesar los datos enviados por el sensor y de determinar
la existencia o no de malezas, actuando sobre una válvula electrónica que restringe el paso del
herbecida a la pastilla pulverizadora.
Para implementar un sistema como este se debe hacer uso de una tecnología más compleja. Este
esquema se podría implementar con un microcontrolador ARM de 32 bits, el cual es muy poderoso y,
a su vez, más costoso, pero generalmente este tipo de trabajos de procesamiento requieren el uso de
un Procesador Digital de Señales (DSP).
Un DSP es un microcontrolador cuya estructura interna se encuentra diseñada para el tratamiento de
señales discretas en tiempo real. Recordemos que una imagen es un tipo particular de señal. Esta
tecnología no es tan reciente (principios de los 90), pero recién comenzó a ser utilizada masivamente
una vez que su precio bajó. Hoy en día se utiliza ampliamente en el mundo, principalmente para la
implementación de filtros digitales, efectos de voz y sonido, reconocimiento y síntesis de voz,
tratamiento de señales inmersas en ruido, etc.
La situación se ve modificada en lo que respecta al algoritmo de detección, dado que el
procedimiento es mas complejo. El mismo debe ser capaz de determinar las condiciones de
iluminación para así poder detectar adecuadamente la maleza. Además, se debe tener en cuenta que
la iluminación no se mantiene constante a lo largo del día, y varia con la nubosidad.
El sensor en este caso pasa a ser una CCD. Es necesario tener en cuenta la definición óptica de la
misma, para poder lograr una detección lo más precisa posible en el menor tiempo. Cabe destacar
que, cuanta mayor definición tenga la cámara, mayor procesamiento es necesario y, por lo tanto,
mayor es el tiempo involucrado. También hay que tener en cuenta que la cámara posee una parte
óptica y que el polvo en el ambiente puede obstruir las lentes.
Por ultimo falta mencionar el conversor analógico digital, que en este caso debe ser un conversor
para video, en el cual sus costos son más elevados.
Este tipo de sistema es más complejo y no presenta grandes ventajas respecto del detector óptico de
color, dado que, al igual que este ultimo, no es capaz de discriminar entre cultivo y maleza. Sin
embargo, este método resulta muy útil para algunas malezas que poseen colores rojizos.
Una de las ventajas que posee este método es que la superposición de hojas del cultivo, la posición
de la cámara y el foco de la misma, no afectan su desempeño, no cumpliéndose esto en otros
métodos. Además, mediante el uso de una cámara se puede obtener información adicional sobre la
ubicación de los surcos.
Como veremos mas adelante el análisis de color se usa como una herramienta complementaria a los
métodos que describiremos a continuación.
3.2.2 Detección por análisis de forma
A diferencia de la detección de color, la detección por medio del análisis de forma de las hojas o de la
arquitectura de la planta, es capaz de discriminar entre el cultivo, la maleza y el suelo.
El sistema y el procedimiento es esencialmente igual al anterior. La gran diferencia radica en el
software de detección que contiene la CPU. En este caso, el algoritmo es capaz de diferenciar la
forma de las hojas del cultivo respecto de la forma de las hojas de la maleza. Existen trabajos que
avalan este procedimiento y en donde se han logrado eficiencias en la discriminación de hasta el
73.1% (Lee et al. 1997, 1999).
Existen trabajos que combinan el análisis de forma con el análisis del color, conformando sistemas
mixtos, en donde los resultados obtenidos fueron similares (Pérez et al. 2000).
Sin embargo la gran mayoría de estas investigaciones fueron realizadas en laboratorios o
invernaderos y requieren de imágenes de alta calidad grafica y de un gran nivel de procesamiento
(Franz et al. 1991, Guyer et al. 1993, Woebbecke et al. 1995, Pérez et al. 2000). Además, se debe
considerar que en condiciones de campo las hojas se superponen y su orientación no es pareja. Esto
genera una gran cantidad de formas distintas a reconocer. También debemos decir que a medida que
las plantas se desarrollan cambian sustancialmente su forma, lo que complica aún más su detección.
Implicancias tecnológicas de un sistema de análisis de forma.
Dada la complejidad del algoritmo de detección es preciso hacer uso de una CPU con gran capacidad
de proceso. Existen en la actualidad DSPs lo suficientemente rápidos para realizar la detección en
tiempo real, permitiendo una velocidad de avance de la pulverizadora normal. Estos DSPs se
encuentran diseñados para trabajar con video y son algo costosos pero, con el tiempo, el precio de
los mismos tenderá a bajar. En cuanto a la cámara sigue siendo válido lo dicho en el método anterior,
al igual que el conversor analógico digital.
Este tipo de sistema es más complejo pero presenta ventajas significativas en lo que respecta a la
detección del color, ya que es capaz de discriminar entre cultivo, maleza y suelo. A su vez, el
inconveniente que presenta al trabajar a campo es que resulta bastante complejo realizar
reconocimiento de formas, como hemos mencionado antes, lo que deriva en posibles limitaciones
económicas respecto del costo. Pese a su complejidad, se han desarrollado sistemas de detección a
campo en tiempo real (Lee et al. 1997, 1999) que logran procesar una imagen de un tamaño
aproximado de 10cm x 11cm en 0,34 segundos. De esta manera la velocidad de avance sería
solamente de 1,20 Km./h.
El rendimiento del sistema puede ser superior en tanto se diseñen e implementen algoritmos de
detección nuevos y se utilicen tecnologías más modernas. El avance de la tecnología, el incremento
en la oferta y la mayor competencia genera una tendencia a la baja en los precios. Esto permitirá un
acceso masivo a este tipo de tecnologías para su uso comercial.
3.2.3 Detección por análisis de textura
El análisis de texturas es también un método válido que se ha utilizado para diferenciar distintas
especies de plantas. Este método analiza la información sobre la textura de las imágenes, la que se
encuentra relacionada con la distribución en el espacio del objeto fotografiado. Las partes brillantes y
las partes oscuras se deben a variaciones de color o a sombras locales producidas por la geometría
de las superficie del objeto fotografiado (Meyer et al.1998). Dichas características pueden ser
tomadas como referencia para lograr una diferenciación entre el suelo, el cultivo y las malezas. Es
más, este método se utiliza para determinar no solamente la existencia de malezas sino también la
variedad de las mismas, sean estas de hoja gruesa o gramíneas. Este tipo de clasificación requiere
de un procesamiento intensivo mediante el uso de algoritmos altamente complejo. Para resolver este
tipo de problemática se han utilizado gran cantidad de métodos. Existen trabajos que se basan en el
uso de redes neuronales, en donde se alcanzan precisiones del orden de 95% en la detección (Burks
et al. 2000) o sistemas mixtos que hacen uso de un filtro Gabor Wavelet en la primera etapa y luego,
en una segunda instancia, trabajan con redes neuronales artificiales para realizar la clasificación. Con
este método se puede lograr una precisión del 100% en la clasificación demorando 550ms para
procesar una imagen de aproximadamente 1m x 1m mediante el uso de una Pentium II 266Mhz. Esto
equivale a una velocidad de avance de 6,5 Km/h (Tang et al. 2003).
De lo anterior se infiere fácilmente que con el uso de un procesador más veloz, el tiempo de
procesamiento disminuye y la velocidad de avance aumenta. También es interesante destacar que en
los trabajos anteriores se utilizaron computadoras de escritorio, incluso para los trabajos a campo, las
cuales son considerablemente más lentas debido al consumo de tiempo de CPU requerido por el
sistema operativo. Con el uso de un sistema dedicado, ya sean con un microcontrolador o con un
DSP, se reducen ampliamente los tiempos antes mencionados.
También se desarrollaron líneas basadas en un concepto muy diferente. En vez de utilizar imágenes
de alta resolución y realizar un reconocimiento individual de cada planta, se utilizan imágenes de
relativamente baja resolución que abarcan grandes áreas y se detecta la densidad de malezas en
tiempo real. Con esta metodología se consiguió una precisión del 96% en velocidades de hasta 3.9
Km/h y del 86% con velocidades de hasta 15Km/h, con el uso de un sistema híbrido formado por una
PC (Dual Pentium 300Mhz) y un microcontrolador (Tian 2002).
Implicancias tecnológicas del análisis de textura
Al igual que el método anterior este requiere de una CPU capaz de realizar una gran cantidad de
cálculos en forma intensiva debido a la complejidad de los algoritmos aplicados al filtrado y detección.
Esto implica la utilización de, por ejemplo, un DSP muy potente para poder realizar estos cálculos en
tiempo real. La gran mayoría de los trabajos realizados al respecto utilizan sistemas híbridos
mediante el uso de PCs portátiles, programas de detección que corren en las mismas y
microcontroladores para la actuación sobre las electrovalvulas. Este tipo de solución es valida en un
ámbito de investigación, dado que es poco probable que se equipe una maquina pulverizadora con
una PC portátil. Sin embargo, los procesadores digitales de señales actuales que poseen velocidades
del orden de más de 5000 millones de instrucciones de punto flotante por segundo (MFLOPS) y que
además se pueden disponer en configuraciones de procesamiento de varios DSP en paralelo, están
más que capacitados para implementar estos algoritmos en tiempo real.
Las conclusiones para este sistema son similares al anterior. Este tipo de método es muy complejo y
presenta ventajas respecto de la detección de color y la detección de forma. Es capaz de discriminar
entre el cultivo, los tipos de maleza y el suelo con una efectividad que puede llegar, como
mencionamos anteriormente, al 100%. El inconveniente que presenta está dado por la alta
complejidad de los algoritmos que redundan en el uso de procesadores de alto rendimiento y elevado
costo. Entendemos que este sistema seguirá siendo perfeccionado y constituirá en el futuro la base
de la detección de malezas mediante visión artificial, probablemente formando parte de un sistema
mixto.
4. ANÁLISIS ECONÓMICO
De considerarse la implementación de un sistema de pulverización selectiva, los esfuerzos deberían
orientarse hacia el sistema de detección RR/NIR, ya que debemos destacar que es el único de los
métodos que logro superar la etapa de investigación y existe en su forma comercial. En nuestro país
este sistema es importado y comercializado por medio de cabezales individuales, por lo tanto, su
precio está dolarizado. En un trabajo anterior se realizó un análisis económico de la utilización de esta
tecnología importada (Moltoni y Moltoni 2005). En este trabajo se concluyó que la conveniencia
económica de la implementación de un sistema de aplicación selectiva de herbicidas dependerá de la
cantidad de hectáreas trabajadas por el productor y del grado de infestación de maleza que posea
dicha superficie. Pero, en principio, se puede establecer que solamente con un grado de
enmalezamiento del campo del 30 % o menor se justificaría económicamente la implementación del
sistema importado. Siendo esto así, el productor comenzaría a beneficiarse a partir de las 2.558
hectáreas trabajadas en barbecho. Si suponemos que la superficie trabajada en esta instancia
representa una cuarta parte del total, el productor debería trabajar más de 10.232 hectáreas anuales
para comenzar a percibir los beneficios. Con estas conclusiones estarían permaneciendo fuera del
alcance de esta tecnología todos aquellos productores cuya superficie trabajada anualmente fuese
inferior a esa cantidad de hectáreas.
Para que esta tecnología tenga un alcance mayor dentro de los productores agropecuarios sería
necesario que el precio fuese inferior. Esto se podría lograr si se pudiese desarrollar esta tecnología
dentro de nuestro país. Esta fuera del alcance del presente trabajo realizar una evaluación de este
proyecto de inversión, pero del análisis que se realizo se desprenden y destacan tres beneficios para
su desarrollo dentro de nuestras fronteras. En primer lugar, este método es electrónicamente sencillo
de desarrollar dado que la tecnología involucrada es masivamente implementada en el sector
industrial. En nuestro país estas tecnologías son ampliamente utilizadas en telefonía, seguridad,
control industrial, por citar solo algunos. El desarrollo es generalmente liderado por PyMES que,
beneficiadas por el tipo de cambio, se volvieron competitivas logrando cubrir la demanda interna e
incluso generaron saldos exportables. En segundo lugar, si bien los componentes electrónicos de
mayor relevancia para la fabricación son en su totalidad importados, el efecto que produce poseer
estos insumos dolarizados es contrarrestado por retroceso que han sufrido los salarios (Arceo et al.
2004). Esto permite que el sector industrial cuente con mano de obra barata. Por último, si a esto se
le suma que para el desarrollo de estas tecnologías no se precisa una gran inversión inicial de capital,
podemos concluir que el desarrollo de este método posee tasa de riesgo relativamente baja lo que lo
hace económicamente viable en escenarios de gran inestabilidad como los que se presentan en
nuestro país.
Si bien este método no representa un beneficio para la aplicación de herbicidas post-emergentes, es
de gran utilidad en el barbecho. Como se explico anteriormente, debido al avance de la siembra
directa se ha incrementado la importancia del barbecho químico en el control de malezas. En la
actualidad representa, por sí solo, un 29% del total de los herbicidas utilizados en Argentina, lo que
equivale aproximadamente un total de 134 millones de dólares. El costo por hectárea del barbecho
químico es cercano a los 5 dólares. Con este sistema se pueden alcanzar reducciones en los
volúmenes de herbicidas utilizados de entre un 30 y un 70%. Tomando una reducción promedio del
50% como referencia, se provocaría un ahorro de aproximadamente 67 millones de dólares al año.
Queda reflejado claramente que la utilización de esta tecnología genera un beneficio significativo, lo
que justificaría la inversión necesaria para su implementación en nuestro país.
Resultaría interesante ver como estas reducciones en los volúmenes de herbecidas planteadas
anteriormente, afectarían a los márgenes brutos de la producción de soja en distintas zonas del país.
Cuadro 2: Incremento del margen bruto para la soja con reducciones en los volúmenes
aplicados de herbicidas en barbecho
Soja
Reducción de
herbicidas
aplicados
Norte Bs. As.
Sur Sta. Fe
Oeste Bs. As.
30%
1,61%
1,26%
4,04%
50%
2,53%
2,10%
6,58%
Incremento en el margen bruto
70%
3,45%
2,95%
9,20%
Fuente: Elaboración propia en base a datos obtenidos la Revista Márgenes Agropecuarios Diciembre.
2004.
Como se puede apreciar, para ciertas zonas se lograrían incrementos en el margen bruto de más de
un 9% (Cuadro 2).
Ahora bien, ¿qué ocurriría si las condiciones actuales nos permitiesen producir alguno de los métodos
de visión artificial más sofisticados? ¿Cómo impactaría esto en los volúmenes de herbicidas
utilizados? Si tenemos en cuenta el cultivo de soja, tomando como referencia su producción en la
zona del sur de Santa Fe, los herbicidas representan un 15 % de los costos directos y mas de un 8 %
del margen bruto (Revista Márgenes Agropecuarios, 2004).
Cuadro 3: Incremento del margen bruto para la soja bajo reducciones del total de los
herbicidas aplicados.
Soja
Reducción de
herbicidas aplicados
Incremento en el margen bruto
Norte Bs. As.
Sur Sta. Fe
Oeste Bs. As.
30%
3,91%
2,92%
7,55%
50%
6,52%
4,87%
12,58%
70%
9,12%
6,82%
17,62%
Fuente: Elaboración propia en base a datos obtenidos de Revista Márgenes Agropecuarios,
diciembre 2004.
Planteado este escenario, estaríamos en condiciones de reducir los volúmenes no solamente en el
barbecho, sino también en la aplicación de aquellos post-emergentes. El total utilizado de dichos
herbicidas asciende a 320 millones de dólares. Partiendo de los mismos supuestos planteados
anteriormente, se lograría un ahorro de 160 millones de dólares. Si a esto se le suma las reducciones
obtenidas para el barbecho, se consigue un ahorro total de aproximadamente 227 millones de
dólares.
Aplicando estos resultados al cultivo de soja para distintas zonas del país podemos observar que el
incremento en el margen bruto puede ser incluso de más de un 17%. Esto es posible dado que las
reducciones se aplican a la totalidad de los herbicidas utilizados (Cuadro 3).
5. CONCLUSIONES
Por los antecedentes presentados, el análisis de viabilidad económica y tecnológica, los niveles de
reducción en los volúmenes de herbicidas utilizados y la consecuente disminución en los costos que
se obtienen de la implementación de un sistema como el desarrollado en el presente trabajo,
concluimos que no solamente es recomendable sino que también es factible la implementación de un
sistema de pulverización selectiva en nuestro país.
6. BIBLIOGRAFIA
Arceo N., Costa A., Gonzalez M., Kicillof A., Mosse M., Nahón C. y J. Rodríguez. 2004. Las
consecuencias económicas del señor Lavagna, dilemas de un país devaluado. En: Tendencias de la
economía actual. Abril 2004. Centro de Estudios para el Desarrollo Argentino, CENDA.
Barritt M. and W. W. Witt. 1987. Maximizing pesticide use efficency. Stout, B. A. (Ed.), Energy in
World Agriculture. Elsevier, Amsterdam, pp. 235–255.
Beckett T. H., Stoller E. H. and L. M. Wax. 1988. Interference of four annual weeds in corn (Zea
mays). Weed Sci. 36, 764–769.
Benbrook C. 2001. Tiempos problemáticos en medio del éxito de la soja Roundup Ready.
AgBioTech, InfoNet Technical Paper No 4, May 3.
Biller R. H. 1998. Reduced input of herbicides by use of optoelectronic sensors. Journal of
Agricultural and Engineering Research 71 (4) , 357-362.
Brown R. B., Anderson G. W., Proud B. and J. P. Steckler. 1990. Herbicides applications control
using GIS weed maps. American Society of Agricultural Engineers, Paper No 90-1061, 15pp.
Burks T. F., Shearer S. A., Gates R. S. and K. D. Donohue. 2000. Backpropagation neural network
design and evaluation for classifying weed species using color image texture Transactions of the
American Society of Agricultural Engineers 43 (4) , 1029-1037.
Cardina J., Sparrow D. H. and E. L. McCoy. 1995. Analysis of spatial distribution of common lambsquarters (chenopodium album) in no-till soybean (Glycine max). Weed Science, 43, 258-268.
Conn J. S. and D. L. Thomas. 1987. Common lambsquarters (Chenopodium album) interference in
spring barley. Weed Technology: 1, 312–313.
El-Faki M. S., N. Zhang and D. E. Peterson. 1997. Weed detection using color machine vision.
ASAE paper 97-3134.
El-Faki M. S., Zhang N., and D. E. Peterson. 2000. Factors affecting color-based weed detection.
Transactions of the American Society of Agricultural Engineers 43 (4) , 1001-1009.
Faya de Falcon, L.y J. Papa. 2001. El modo de acción de los herbicidas y su relación con los
síntomas de daño. Buenos Aires: Ediciones INTA.
- Felton, W. L., and K. R. McCloy. 1992. Spot spraying. Agricultural Engineering. 73(6): 9-12.
- Franz E., Gebhardt M. R. and K. B. Unklesbay. 1991. The use of local spectral properties of leaves
as an aid for identifying weed seedlings in digital images. Transactions of the American Society of
Agricultural Engineers 34 (2) , 682-687.
Gerhards R., Wyse-Pester D. Y., Mortensen D. and G. A. Johnson. 1997. Characterizing spatial
stability of weed populations using interpolated maps. Weed Science, 45, 108-119.
Gries M. 2003. Conclusiones taller ASAGIR sobre malezas en el cultivo de girasol. En: 2º Congreso
argentino de girasol, Buenos Aires 2003. <http://www.asagir.org.ar/pdf/1-malezas.pdf>
Guyer D. E., Miles G. E., Gaultney L. D. and M. M. Schreiber. 1993. Application of machine vision
to shape analysis in leaf and plant identification. Transactions of the American Society of Agricultural
Engineers 36 (1) , 163-171.
Haggar R. J., Stent C. J. and S. Isaac. 1983. A prototype hand-held patch sprayer for killing weeds
activated by spectral differences in corp/weed canopies. Agricultural Engeneering Symposium 11-9,
427-432.
Johnson G. A., Mortensen D. A. and A. R. Martin. 1995a. A simulation of herbicide use based on
weed spatial distribution. Weed Research, 35, 197-205.
Johnson G. A., Mortensen D. A., Youmg L. J. and A. R. Martin. 1995b. The stability of weed
seedling population models and parameters en eastern Nebraska corn and soybeans fields. Weed
Science 43, 604-611.
Lee W. S., Slaughter D. C. and D. K. Giles. 1997. Robotic weed control system for tomatoes using
machine vision system and precision chemical application. ASAE Paper No: 973093.
Lee W. S. and D. C. Slaughter. 1999. Robotic weed control system for tomatoes. Precision
Agriculture, Vol(1):95-113.
Marking S. 1990. Cut-rate chemical rates. Soybean Digest 50 (4), 8-9.
Meyer G. E., Mehta T., Kocher M. F., Mortensen D. A. and A. Samal. 1998. Textural imaging and
discriminant analysis for distinguishing weeds for spot spraying Transactions of the American Society
of Agricultural Engineers 41 (4) , 1189-1197.
Moltoni L. y A. Moltoni. 2005. Análisis económico de la implementación de un sistema de aplicación
selectiva de herbicidas. p.179-184. En: Aplicar eficientemente los agroquímicos. Buenos Aires:
Ediciones INTA.
Pérez A. J., López F., Benlloch J. V. and S. Christensen. 2000. Colour and shape analysis
techniques for weed detection in cereal fields. Computers and Electronics in Agriculture 25 (3) , 197212.
Rew L. J., Cussans G. W., Mugglestone M. A. and P. C. H. Miller. 1996. A technique for mapping
spatial distribution of Elymus repens with estimates of potential reduction of herbicide usage from
patch spraying. Weed Research, 36, 283-292.
Shearer S. A. and R. G. Holmes. 1990. Plant identification using color co-occurrence matrices.
Transactions of the ASAE 34 (4), 1897-1909.
Schweizer E. E. 1983. Common lambsquarters (Chenopodium album) interference in sugarbeets
(Beta vulgaris). Weed Sci. 31, 5–7.
Shropshire, G. J., K. Von Bargen, and D. A. Mortensen. 1990. Optical reflectance sensor for
detecting plants. In Proceedings os SPIE (the International Society for Optical Engineering): Optics in
Agriculture, 7-8 November, Boston, Mass., Vol 1379:222-235. Bellinham, Wash.:SPIE Press.
Tang L., Tian L. and B. L. Steward. 2003. Classification of Broadleaf and Grass Weeds Using Gabor
Wavelets and an Artificial Neural Network. Transactions of the American Society of Agricultural
Engineers 46 (4) , 1247-1254.
Thompson J. F., Stafford J. V. and P. C. H. Miller. 1991. Potential for automatic weed detection and
selective herbicide application. Crop Protection, 10, 254-259.
Tian L., Slaughter D. C. and R. F. Norris. 1997. Outdoor field machine vision identification of tomato
seedlings for automated weed control. Transactions of the ASAE 40 (6), 1761-1768.
Tian L., Reid J. and J. Hummel. 1999. Developement of a precision sprayer for site-specific weed
management. Transactions of the ASAE 42 (4), 893-900.
Tian L. 2002. Development of a sensor-based precision herbicide application system. Computers and
Electronics in Agriculture. 36, 133-149.
Timmermann C., Gerhards R., Krohmann P., Sokefeld M. and W. Kuhbauch. 2001. The
economical and ecological impact of the site-specific weed control. In Third European Conference on
Precision Agriculture 2001. 563-568.
Wang N., Zhang F. E., Sun Y. and D. E. Peterson. 2001. Design of an optical weed sensor using
plant spectral characteristics. Transactions of the ASAE 44 (2), 409-419.
Wiles L. J., Wilkerson G. G., Gold H. G. and H. D. Coble. 1992. Modeling weed distribution for
improved postemergence control decisions. Weed science 40, 546-553.
- Willis B. D. and E. W. Stroller. 1990. Weed suppression for vegetation management in corn
and soybeans. Weed Sci. Soc. 45, 9.
- Woebbecke D. M., Meyer G. E., Von Bargen K. and D. A. Mortensen. 1992. Plant Species
edentification, size, and enumeration using machine vision techniques on near binary images. SPIE
Optics. Agriculture and Forestry 1836, 208-217.
Woebbecke D. M., Meyer G. E., Von Bargen K. and D. A. Mortensen. 1995. Shape feature for
identifying young weeds using image analysis. Transactions of the American Society of Agricultural
Engineers 38 (1) , 271-281.
Zhang N. and C. Chaisattapagon. 1995. Effective criteria for weed identification in wheat fields using
machine vision. Transactions of the American Society of Agricultural Engineers 38 (3), 965-974.
CASAFE, Cámara de Sanidad Agropecuaria y Fertilizantes, 2005. [en línea]
http://www.casafe.org/mediciondemercado.html.
International Survey of Herbicide-Resistant Weeds. 2000. Herbicide Resistance Action Committee.
[en línea] http://www.wssa.net.
Soja: costos y márgenes, en Revista Márgenes Agropecuarios. Año 19, Nº 234. Diciembre 2004.