ANTECEDENTES DEL CURSO: En el año 2023 y trás ser seleccionado para su financiación por el IDRC (International Development Research Centre) de Canadá en una convocatoria gestionada por la ANII, se comenzó a ejecutar el proyecto “Incorporación de herramientas de inteligencia artificial y visión computacional para la predicción del rendimiento en Vitis vinifera cv Tannat.” (Responsables: Marcel
Bentancor y Gustavo Pereyra) el cual tiene entre sus principales objetivos el establecimiento de una red de investigadores dedicada a la aplicación de inteligencia artificial en la agricultura. En la fase final de este proyecto se tiene prevista la realización de un curso internacional, que suscitó el interés y apoyo del Centro Latinoamericano de Biotecnología (CABBIO) y de la organización KHIPU para el fomento de las aplicaciones de inteligencia artificial. Este curso ha sido reconocido como parte de la oferta de cursos 2024 ofrecidos por el Posgrado en Biotecnología de la Universidad de la República. Este curso permitirá expandir y profundizar la red de investigadores, convocando además de los investigadores originalmente integrantes de Brasil y Uruguay, a investigadores de Argentina y Estados Unidos. En particular se destaca la participación de una investigadora proveniente del Donald Danforth Plant Center, una de las instituciones más prestigiosas a nivel mundial en el estudio de plantas.
CONTEXTO DEL CURSO: La región sudamericana (Argentina, Brasil y Uruguay) tradicionalmente ha sido
productora y exportadora de agro alimentos. Actualmente uno de los desafíos que estos países enfrentan en el siglo XXI es la pérdida de competitividad asociada a los impactos medioambientales de la agricultura, el aumento de la demanda, los consumidores más preocupados por la inocuidad y una mayor frecuencia de eventos climáticos extremos favorecidos por el cambio climático. Además, el surgimiento de otras regiones productoras que pueden aplicar nuevas tecnologías impone nuevos desafíos para la agricultura de nuestros países. Mientras que las características físicas del suelo generan zonas heterogéneas y constantes de productividad a lo largo de los años, el clima específico y/o el manejo del cultivo durante el ciclo de cultivo pueden, alternativamente, disminuir o exacerbar la variabilidad de la producción dentro de la parcela. Así pues, comprender los factores subyacentes a la heterogeneidad del suelo a nivel de parcela y cómo las condiciones meteorológicas pueden agravar sus efectos sobre el desarrollo y la productividad de las plantas es importante para la gestión de los cultivos.
Este conocimiento puede ser útil para que los productores gestionen los insumos (agua y nitrógeno) de forma más eficiente y para que los investigadores identifiquen genotipos con rasgos deseados evaluados en condiciones reales de campo.
Los equipos de investigación biotecnológica-agronómica con acceso a datos biológicos masivos de secuenciación y con capacidad de selección o modificación de organismos con base en sus secuencias genómicas, se enfrentan a la complejidad multidimensional que tiene la expresión génica. Para abordar esta multidimensionalidad se cuenta actualmente con herramientas de aprendizaje automático, que transversalmente están posibilitando abordar muy diversos problemas, entre ellos el del análisis de cultivos. Una parte de esta información es aportada mediante la captación y análisis de visión computacional, a diferentes escalas, satelital, proximal o montada en vehículos autónomos. La capacitación en estos dos ámbitos se torna esencial, tanto para la correcta e informada adquisición de
tecnologías importadas, como así también para la generación de conocimiento endógeno y apropiado en nuestra región. Es en el marco de este contexto es que se presenta este curso a nivel local, como una primera aproximación a esta temática. Para la ejecución de este curso se ha reunido a un conjunto de investigadores de tres países, con experiencia en investigación básica y aplicada en los campos de la biotecnología, la inteligencia artificial, la visión computacional, y el desarrollo de equipamiento científico en modalidad abierta (open hardware). Estos investigadores han formado una red académica, que luego de ser financiada en primera instancia con fondos extrarregionales, se dispone a ser profundizada y ampliada, para lo cual este curso representa una contribución muy importante para lograr esta nueva fase a partir de las interacciones que en el mismo se logren establecer entre los investigadores y estudiantes participantes. Este grupo de trabajo que se formó recientemente se dispone a seguir contribuyendo a la formación de nuevas capacidades utilizando como base los aportes del proyecto aplicado en vid a otros sectores y cultivos. Para el caso de la cadena agroalimentaria vitícola se propone
que la colaboración establecida por la red de investigadores permita un aporte significativo al futuro vitícola del país y de la región. Esta cadena apunta a una mejora continua de su calidad, generando un producto de alto valor agregado y donde el uso de tecnologías que se pretenden abordar en este curso permiten una mejora de la comprensión de los procesos biológicos y fisiológicos.
Fundamentos de aprendizaje automático.
A) Introducción al Aprendizaje Automático y su uso en agricultura y biología vegetal
B) Modelos de Aprendizaje Automático
C) Preprocesamiento de Datos
D) Evaluación de Modelos
Estudio de casos de aplicación de aprendizaje automático en agricultura
A) Detección de Enfermedades Vegetales
B) Predicción de Rendimiento de Cultivos
C) Optimización de Recursos Agrícolas
Fundamentos de visión computacional
A) Introducción a la Visión Computacional
B) Detección y Seguimiento de Objetos
C) Reconocimiento de Patrones
D) Exposición y discusión de aplicaciones de visión computacional en diferentes cultivos (café, naranja, manzanas, vid).
Fundamentos del diseño en modalidad open hardware de equipos científicos
A) Conceptos Básicos de Open Hardware
B) Diseño de Sensores y Dispositivos para Fenotipado Vegetal
C) Desarrollo de Plataformas de Hardware Abierto
Análisis multiespectral de plantas
A) Fundamentos de Espectroscopia
B) Sensores Multiespectrales e Hiperespectrales
C) Adquisición y Procesamiento de Datos Multiespectrales
D) Extracción de Características y Análisis de Datos
E) Aplicaciones en el Fenotipado Vegetal
F) Integración con Aprendizaje Automático y Visión Computacional
G) Casos de Estudio en Agricultura
Taller sobre ensamblado de un dispositivo fenotipador para plantas.
Taller hands on de análisis de imágenes
Taller hands on sobre aprendizaje automático
Discusión de artículos científicos
Mesa redonda sobre el impacto de las nuevas tecnologías en la agricultura
Espacio abierto a la discusión de aspectos técnicos y sociales de la inclusión de las técnicas, vistas en el curso, en la practica agrícola.
Visita a campo experimental
El curso incluye instancias para promover que cada estudiante identifique formas de aplicar en su proyecto los fundamentos tratados en el curso.
Coordinadores
Dr. Marcel Bentancor, Dr. Esteban Casaretto, Dr. Gustavo Pereyra Alpuin
Plantel docente
Dr. Jorge Prieto (INTA Mendoza, Universidad Juan Agustín Maza, Argentina)
Dr. Thiago Teixeyra Santos (EMBRAPA digital, Brasil)
Dr. Jonata Tyska Carvalho (Universidad Federal de Santa Catarina, Brasil)
Dr. Leonardo Warzea Lima (Donald Danforth Plant Science Center, Estados Unidos)
Dr. Marcel Bentancor (Facultad de Ciencias, Universidad de la República, Uruguay)
Dr. Omar Borsani (Facultad de Agronomía, Universidad de la República, Uruguay)
Dr. Esteban Casaretto (Facultad de Agronomía, Universidad de la República, Uruguay)
Dr. Gustavo Pereyra Alpuin (Facultad de Agronomía, Universidad de la República, Uruguay)
Dr. Ignacio Ramírez Paulino (Facultad de Ingeniería, Universidad de la República, Uruguay)