Un estudio pionero utiliza im\u00e1genes hiperespectrales obtenidas con veh\u00edculos a\u00e9reos no tripulados y aprendizaje autom\u00e1tico para evaluar con precisi\u00f3n los niveles de nicotina en las hojas de los cigarros.<\/p>\n
Los recientes avances en im\u00e1genes hiperespectrales a\u00e9reas, combinados con el aprendizaje autom\u00e1tico, han revolucionado el monitoreo de la nicotina en las hojas de cigarro. Este enfoque innovador mejora la precisi\u00f3n de la evaluaci\u00f3n y proporciona informaci\u00f3n valiosa para la industria tabacalera, donde la composici\u00f3n qu\u00edmica es fundamental para la calidad.<\/p>\n
Bajo la direcci\u00f3n de Tian y colaboradores en la Universidad Agr\u00edcola de Sichuan, los investigadores buscaron superar las limitaciones de los controles de calidad manuales tradicionales, que a menudo carecen de precisi\u00f3n 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 t\u00e9cnicas de monitoreo oportunas y precisas.<\/p>\n
El estudio se llev\u00f3 a cabo entre mayo y septiembre de 2022 en la Base de Investigaci\u00f3n Agr\u00edcola Moderna de la universidad, donde los investigadores utilizaron veh\u00edculos a\u00e9reos no tripulados (VANT) equipados con c\u00e1maras hiperespectrales para capturar los espectros de reflectancia de las hojas de 15 variedades diferentes de hojas de cigarro bajo diversos tratamientos con nitr\u00f3geno.<\/p>\n
Sus hallazgos revelaron una correlaci\u00f3n directa entre la aplicaci\u00f3n de fertilizantes nitrogenados y los niveles de nicotina en las hojas de cigarro. \u201cCon el aumento de la dosis de fertilizante nitrogenado, el contenido de nicotina en las hojas de cigarro se increment\u00f3\u201d, afirmaron los autores, destacando el impacto de las pr\u00e1cticas agr\u00edcolas en la calidad del producto.<\/p>\n
Para mejorar la calidad de los datos de im\u00e1genes hiperespectrales recopilados por UAVs, el estudio emple\u00f3 t\u00e9cnicas de preprocesamiento como la correcci\u00f3n de dispersi\u00f3n multivariante, la transformaci\u00f3n normal est\u00e1ndar y el suavizado por convoluci\u00f3n de Savitzky-Golay. Posteriormente, se aplicaron algoritmos avanzados de aprendizaje autom\u00e1tico, incluyendo la regresi\u00f3n de m\u00ednimos cuadrados parciales (PLSR) y redes neuronales de retropropagaci\u00f3n, para desarrollar modelos predictivos capaces de estimar con precisi\u00f3n el contenido de nicotina.<\/p>\n
El modelo m\u00e1s eficaz identificado fue el modelo MSC-SNV-SG-CARS-BP, que alcanz\u00f3 una precisi\u00f3n de prueba con valores R\u00b2 de aproximadamente 0,797 y un RMSE de 0,078. \u201cEl modelo MSC-SNV-SG-CARS-BP tiene la mejor precisi\u00f3n predictiva sobre el contenido de nicotina\u201d, se\u00f1alaron los autores, posicion\u00e1ndolo como una herramienta prometedora para futuras investigaciones y aplicaciones de agricultura de precisi\u00f3n.<\/p>\n
Mediante el uso de la teledetecci\u00f3n para analizar las propiedades espectrales de las hojas de cigarro, los agricultores y productores pueden evaluar la calidad de la cosecha de forma r\u00e1pida y no destructiva, lo que permite tomar decisiones m\u00e1s informadas sobre la producci\u00f3n 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.<\/p>\n
La integraci\u00f3n de im\u00e1genes hiperespectrales y aprendizaje autom\u00e1tico tiene el potencial de transformar el cultivo tradicional del tabaco, mejorando no solo la calidad de la nicotina, sino tambi\u00e9n promoviendo pr\u00e1cticas agr\u00edcolas sostenibles y eficientes. Los investigadores destacan la necesidad de seguir avanzando para perfeccionar estas tecnolog\u00edas y adaptarlas a diferentes variedades de tabaco y otros cultivos.<\/p>\n
Los estudios futuros se centrar\u00e1n en optimizar las condiciones operativas de los UAV para capturar datos espectrales de la m\u00e1s alta calidad, considerando variables como la altitud de vuelo, las condiciones de iluminaci\u00f3n y la reducci\u00f3n de ruido. Abordar estos factores es crucial a medida que las pr\u00e1cticas agr\u00edcolas evolucionan para satisfacer las demandas del mercado, priorizando al mismo tiempo la sostenibilidad ambiental.<\/p>\n
Esta investigaci\u00f3n resalta la sinergia entre la tecnolog\u00eda y la ciencia agr\u00edcola, subrayando la creciente adopci\u00f3n de t\u00e9cnicas innovadoras para mejorar la calidad de los productos. Los investigadores abogan por una mayor aplicaci\u00f3n de la detecci\u00f3n hiperespectral en la agricultura, reforzando el papel de la tecnolog\u00eda en la mejora del rendimiento, la eficiencia y la responsabilidad ambiental.<\/p>\n