Hoja de tomate sana (arriba a laderecha), junto con cinco hojas enfermas. Imagen: David Hughes. Fuente: Penn State.
Las enfermedades de los cultivos, una de las principales causas de las hambruna, siempre han sido diagnosticadas por inspección visual, aunque ahora también se usan los microscopios y la secuenciación del ADN. Pero la primera línea de defensa sigue siendo el buen ojo de los agricultores de todo el mundo, muchos de los cuales no tienen acceso a diagnósticos avanzados y consejos de tratamiento.
Para abordar este problema, los científicos de la Escuela Politécnica Federal de Lausana (EPFL, Suiza) y de la Universidad Estatal de Pensilvania (EE.UU.) han publicado 50.000 imágenes de libre acceso de cultivos infectados y sanos. Las imágenes permitirán a los expertos en aprendizaje automático desarrollar algoritmos que diagnostiquen automáticamente la enfermedad de un cultivo. La herramienta será entonces puesta en manos de los agricultores -en forma de aplicación de teléfono inteligente.
La idea de Marcel Salathé, de la EPFL, y David Hughes, de Penn State, es proporcionar a los desarrolladores de software la "materia prima" para construir algoritmos de aprendizaje automático. El aprendizaje automático es una forma de cálculo que detecta patrones en un determinado conjunto de datos con el fin de hacer inferencias en otro conjuntos de datos similar.
Impulsado por los avances en el desarrollo de algoritmos y el almacenamiento barato de grandes conjuntos de datos, los resultados del aprendizaje automático han impregnado nuestras experiencias digitales cotidianas, desde el reconocimiento facial en fotos y vídeos, a los sistemas de recomendación de las tiendas en línea.
Ahora, algoritmos con suficiente precisión serán incorporados en aplicaciones de teléfonos inteligentes, que permitirán a los agricultores tomar fotos de sus cultivos infectados y obtener un diagnóstico instantáneo y asesoramiento sobre el tratamiento.
Para los dos científicos, se trata de una evolución natural de su página web, PlantVillage, uno de los mayores archivos libres del mundo de conocimiento científico sobre enfermedades de las plantas. Cubre 154 tipos de cultivos y más de 1.800 enfermedades -y sigue creciendo. "Además de ser una biblioteca, PlantVillage es una red de expertos que ayudan a las personas de todo el mundo a encontrar soluciones a sus problemas", dice Salathé en la nota de prensa de la EPFL. "Nuestro objetivo es dejar que el teléfono inteligente haga la mayor parte del diagnóstico, para que los expertos humanos puedan centrarse en los casos inusuales y difíciles."
'App'
La aplicación para teléfono inteligente es el siguiente paso en esta evolución. "La belleza del teléfono es que penetra en toda la sociedad, desde los jardines comunitarios de Brooklyn a las granjas de pequeños agricultores de Burkina Faso", dice Hughes.
El cuello de botella en el proceso es la creación de los algoritmos para reconocer cultivos enfermos y sanos. A pesar de que la fotografía digital se ha vuelto muy asequible y accesible, encontrar suficientes imágenes a disposición del público de las enfermedades de los cultivos para entrenar a los algoritmos ha sido imposible hasta ahora.
Para abordar este problema, los científicos de la Escuela Politécnica Federal de Lausana (EPFL, Suiza) y de la Universidad Estatal de Pensilvania (EE.UU.) han publicado 50.000 imágenes de libre acceso de cultivos infectados y sanos. Las imágenes permitirán a los expertos en aprendizaje automático desarrollar algoritmos que diagnostiquen automáticamente la enfermedad de un cultivo. La herramienta será entonces puesta en manos de los agricultores -en forma de aplicación de teléfono inteligente.
La idea de Marcel Salathé, de la EPFL, y David Hughes, de Penn State, es proporcionar a los desarrolladores de software la "materia prima" para construir algoritmos de aprendizaje automático. El aprendizaje automático es una forma de cálculo que detecta patrones en un determinado conjunto de datos con el fin de hacer inferencias en otro conjuntos de datos similar.
Impulsado por los avances en el desarrollo de algoritmos y el almacenamiento barato de grandes conjuntos de datos, los resultados del aprendizaje automático han impregnado nuestras experiencias digitales cotidianas, desde el reconocimiento facial en fotos y vídeos, a los sistemas de recomendación de las tiendas en línea.
Ahora, algoritmos con suficiente precisión serán incorporados en aplicaciones de teléfonos inteligentes, que permitirán a los agricultores tomar fotos de sus cultivos infectados y obtener un diagnóstico instantáneo y asesoramiento sobre el tratamiento.
Para los dos científicos, se trata de una evolución natural de su página web, PlantVillage, uno de los mayores archivos libres del mundo de conocimiento científico sobre enfermedades de las plantas. Cubre 154 tipos de cultivos y más de 1.800 enfermedades -y sigue creciendo. "Además de ser una biblioteca, PlantVillage es una red de expertos que ayudan a las personas de todo el mundo a encontrar soluciones a sus problemas", dice Salathé en la nota de prensa de la EPFL. "Nuestro objetivo es dejar que el teléfono inteligente haga la mayor parte del diagnóstico, para que los expertos humanos puedan centrarse en los casos inusuales y difíciles."
'App'
La aplicación para teléfono inteligente es el siguiente paso en esta evolución. "La belleza del teléfono es que penetra en toda la sociedad, desde los jardines comunitarios de Brooklyn a las granjas de pequeños agricultores de Burkina Faso", dice Hughes.
El cuello de botella en el proceso es la creación de los algoritmos para reconocer cultivos enfermos y sanos. A pesar de que la fotografía digital se ha vuelto muy asequible y accesible, encontrar suficientes imágenes a disposición del público de las enfermedades de los cultivos para entrenar a los algoritmos ha sido imposible hasta ahora.
"Al proporcionar todas estas imágenes, con acceso abierto, estamos desafiando a la comunidad mundial de dos maneras", dice Hughes, profesor de entomología y biología, en la nota de prensa de Penn State. "Estamos alentando a la comunidad especializada en salud de los cultivos para que comparta sus imágenes de plantas enfermas, y estamos animando a la comunidad del aprendizaje automático a ayudar a desarrollar algoritmos adecuados."
"El próximo paso", añade Salathé, "es la combinación de la enorme experiencia de la ciencia de datos de todo el mundo con nuestros conjuntos de datos de libre acceso, en forma de competiciones en línea para desarrollar los mejores algoritmos. En un futuro muy cercano, vamos a lanzar la primera competeción en línea basada en este creciente conjunto de datos que ponemos a disposición de todo el mundo".
Otras 'apps'
Científicos de la Universidad Tecnológica de Viena (Austria) han desarrollado un sistema que utiliza una aplicación de móvil que mide el contenido del agua del suelo, y lo combina con datos de satélite para predecir si una región es vulnerable a la escasez de alimentos.
Mediante la exploración de la superficie de la Tierra con rayos de microondas, los investigadores pueden medir el contenido de agua en el suelo. Comparando estas mediciones con conjuntos de datos extensos obtenidos a lo largo de las últimas décadas, es posible calcular si el suelo es suficientemente húmedo o si hay peligro de sequías. El método ha sido probado en la República Centroafricana.
Pero hay otra vía de uso del móvil en este tipo de proyectos. La Universidad de Buffalo (Nueva York, EE.UU.) está estudiando si los datos de llamadas de telefonía móvil de Senegal se corresponden con los índices de pobreza de las distintas zonas: allí donde hay menos llamadas de móviles, es más probable que haya pobreza extrema.
Hasta ahora han conseguido dividir el país en 123 zonas, pero su objetivo es ir aún más al detalle, y abordar la situación de las mujeres, las personas mayores, y otros colectivos marginados.
"El próximo paso", añade Salathé, "es la combinación de la enorme experiencia de la ciencia de datos de todo el mundo con nuestros conjuntos de datos de libre acceso, en forma de competiciones en línea para desarrollar los mejores algoritmos. En un futuro muy cercano, vamos a lanzar la primera competeción en línea basada en este creciente conjunto de datos que ponemos a disposición de todo el mundo".
Otras 'apps'
Científicos de la Universidad Tecnológica de Viena (Austria) han desarrollado un sistema que utiliza una aplicación de móvil que mide el contenido del agua del suelo, y lo combina con datos de satélite para predecir si una región es vulnerable a la escasez de alimentos.
Mediante la exploración de la superficie de la Tierra con rayos de microondas, los investigadores pueden medir el contenido de agua en el suelo. Comparando estas mediciones con conjuntos de datos extensos obtenidos a lo largo de las últimas décadas, es posible calcular si el suelo es suficientemente húmedo o si hay peligro de sequías. El método ha sido probado en la República Centroafricana.
Pero hay otra vía de uso del móvil en este tipo de proyectos. La Universidad de Buffalo (Nueva York, EE.UU.) está estudiando si los datos de llamadas de telefonía móvil de Senegal se corresponden con los índices de pobreza de las distintas zonas: allí donde hay menos llamadas de móviles, es más probable que haya pobreza extrema.
Hasta ahora han conseguido dividir el país en 123 zonas, pero su objetivo es ir aún más al detalle, y abordar la situación de las mujeres, las personas mayores, y otros colectivos marginados.
Referencias bibliográficas:
Markus Enenkel, Linda See, Mathias Karner, Mònica Álvarez, Edith Rogenhofer, Carme Baraldès-Vallverdú, Candela Lanusse, Núria Salse: Food Security Monitoring via Mobile Data Collection and Remote Sensing: Results from the Central African Republic. PLOS ONE (2015). DOI: 10.1371/journal.pone.0142030.
Neeti Pokhriyal, Wen Dong y Venugopal Govindaraju: Virtual Networks and Poverty Analysis in Senegal. Arxiv (2015). arXiv:1506.03401.
Markus Enenkel, Linda See, Mathias Karner, Mònica Álvarez, Edith Rogenhofer, Carme Baraldès-Vallverdú, Candela Lanusse, Núria Salse: Food Security Monitoring via Mobile Data Collection and Remote Sensing: Results from the Central African Republic. PLOS ONE (2015). DOI: 10.1371/journal.pone.0142030.
Neeti Pokhriyal, Wen Dong y Venugopal Govindaraju: Virtual Networks and Poverty Analysis in Senegal. Arxiv (2015). arXiv:1506.03401.