Aplicación de tecnologías de drones, sensores y robots
Agricultura de precisión
Esta sección contiene artículos relacionados con los avances tecnológicos y sus usos en la agricultura de precisión.
- Video:Webinar Agricultura digital para pequeños agricultores
- Fuente:Banco Interamericano de Desarrollo
The Digital Applications of “Agriculture 4.0”: Strategic Opportunity for the Development of the Italian Citrus Chain
Las Aplicaciones Digitales de la "Agricultura 4.0": oportunidad estratégica para el desarrollo de la industria cítrica italiana
La agricultura contemporánea está orientada a la implementación de tecnologías como Internet de la Agricultura, análisis de big data y blockchain para combinar la protección de los recursos y la sostenibilidad económica, social y ambiental. Las empresas italianas son más conscientes de las oportunidades que ofrece el paradigma 4.0, sin embargo, existen límites culturales y tecnológicos para el desarrollo de estas tecnologías. Esta investigación pretende, mediante el conocimiento, mejorar la predisposición de los operadores agrícolas para adoptar las soluciones digitales de la "Agricultura 4.0" demostrando su potencial y sus límites. Los autores utilizaron un enfoque metodológico integrado para definir y evaluar los posibles escenarios futuros de la implementación de la transformación digital. Los resultados mostraron una mayor orientación hacia soluciones que permitan la integración de nuevas herramientas de apoyo a las ya utilizadas en la organización empresarial y a un coste sostenible.
Este artículo fue realizado por Alessandro Scuderi, Giovanni La Via, Giuseppe Timpanaro, Luisa Sturiale (University of Catania, Catania, Italy) para Agriculture (Vol 12, núm 3, p. 400, 2022), una revista que divulga artículos que reflejan la amplitud e interdisciplinariedad de la agricultura. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
PDD-Net: Plant Disease Diagnoses Using Multilevel and Multiscale Convolutional Neural Network Features
PDD-Net: Diagnóstico de enfermedades vegetales mediante redes neuronales convolucionales multinivel y multiescala
En este artículo se propone un marco para el diagnóstico de enfermedades de las plantas (DEP) basado en una red neuronal convolucional (CNN) (es decir, PDD-Net), que utiliza técnicas de aumento de datos e incorpora características multinivel y multiescala para crear una arquitectura no variante de clase y escala. El método PDD-Net permitió la detección de patrones visuales de grano fino en hojas de plantas a diferentes niveles de abstracción, lo que se tradujo en resultados de alto rendimiento al identificar diversas enfermedades mientras se manejaban variaciones de clase. El enfoque multiescala mejora la capacidad de la red para identificar variaciones a pequeña escala en las imágenes permitiendo diagnosticar enfermedades en una fase temprana. Estos resultados demuestran que el aprendizaje profundo puede ayudar a los agricultores, mejorar el rendimiento de los cultivos y contribuir a la seguridad alimentaria mundial.
Este artículo fue realizado por Hamed Alghamdi, Turki Turki (King Abdulaziz University, Jeddah, Saudi Arabia) para Agriculture (Vol 13, núm 5, p. 1072, 2023), una revista que divulga artículo que reflejan la amplitud e interdisciplinariedad de la agricultura. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
