La teledetección revoluciona el control de la nicotina en las hojas de puro.

Un estudio pionero utiliza imágenes hiperespectrales obtenidas con vehículos aéreos no tripulados y aprendizaje automático para evaluar con precisión los niveles de nicotina en las hojas de los cigarros.

Los recientes avances en imágenes hiperespectrales aéreas, combinados con el aprendizaje automático, han revolucionado el monitoreo de la nicotina en las hojas de cigarro. Este enfoque innovador mejora la precisión de la evaluación y proporciona información valiosa para la industria tabacalera, donde la composición química es fundamental para la calidad.

Bajo la dirección de Tian y colaboradores en la Universidad Agrícola de Sichuan, los investigadores buscaron superar las limitaciones de los controles de calidad manuales tradicionales, que a menudo carecen de precisión y eficiencia. Su estudio, publicado el 2 de febrero de 2025, identifica fuertes correlaciones entre el uso de fertilizantes nitrogenados, los niveles de humedad y las concentraciones de nicotina, lo que subraya la importancia de técnicas de monitoreo oportunas y precisas.

El estudio se llevó a cabo entre mayo y septiembre de 2022 en la Base de Investigación Agrícola Moderna de la universidad, donde los investigadores utilizaron vehículos aéreos no tripulados (VANT) equipados con cámaras hiperespectrales para capturar los espectros de reflectancia de las hojas de 15 variedades diferentes de hojas de cigarro bajo diversos tratamientos con nitrógeno.

Sus hallazgos revelaron una correlación directa entre la aplicación de fertilizantes nitrogenados y los niveles de nicotina en las hojas de cigarro. “Con el aumento de la dosis de fertilizante nitrogenado, el contenido de nicotina en las hojas de cigarro se incrementó”, afirmaron los autores, destacando el impacto de las prácticas agrícolas en la calidad del producto.

Para mejorar la calidad de los datos de imágenes hiperespectrales recopilados por UAVs, el estudio empleó técnicas de preprocesamiento como la corrección de dispersión multivariante, la transformación normal estándar y el suavizado por convolución de Savitzky-Golay. Posteriormente, se aplicaron algoritmos avanzados de aprendizaje automático, incluyendo la regresión de mínimos cuadrados parciales (PLSR) y redes neuronales de retropropagación, para desarrollar modelos predictivos capaces de estimar con precisión el contenido de nicotina.

El modelo más eficaz identificado fue el modelo MSC-SNV-SG-CARS-BP, que alcanzó una precisión de prueba con valores R² de aproximadamente 0,797 y un RMSE de 0,078. “El modelo MSC-SNV-SG-CARS-BP tiene la mejor precisión predictiva sobre el contenido de nicotina”, señalaron los autores, posicionándolo como una herramienta prometedora para futuras investigaciones y aplicaciones de agricultura de precisión.

Mediante el uso de la teledetección para analizar las propiedades espectrales de las hojas de cigarro, los agricultores y productores pueden evaluar la calidad de la cosecha de forma rápida y no destructiva, lo que permite tomar decisiones más informadas sobre la producción y la cadena de suministro. Este enfoque ofrece una amplia cobertura con bajos costos operativos, al tiempo que garantiza la coherencia de los datos al reducir la dependencia de factores humanos.

La integración de imágenes hiperespectrales y aprendizaje automático tiene el potencial de transformar el cultivo tradicional del tabaco, mejorando no solo la calidad de la nicotina, sino también promoviendo prácticas agrícolas sostenibles y eficientes. Los investigadores destacan la necesidad de seguir avanzando para perfeccionar estas tecnologías y adaptarlas a diferentes variedades de tabaco y otros cultivos.

Los estudios futuros se centrarán en optimizar las condiciones operativas de los UAV para capturar datos espectrales de la más alta calidad, considerando variables como la altitud de vuelo, las condiciones de iluminación y la reducción de ruido. Abordar estos factores es crucial a medida que las prácticas agrícolas evolucionan para satisfacer las demandas del mercado, priorizando al mismo tiempo la sostenibilidad ambiental.

Esta investigación resalta la sinergia entre la tecnología y la ciencia agrícola, subrayando la creciente adopción de técnicas innovadoras para mejorar la calidad de los productos. Los investigadores abogan por una mayor aplicación de la detección hiperespectral en la agricultura, reforzando el papel de la tecnología en la mejora del rendimiento, la eficiencia y la responsabilidad ambiental.

Fuentes: https://www.nature.com/articles/s41598-025-88091-4