AgroKHIPUx: Inteligencia artificial y visión computacional como herramientas para vincular la fisiología y mejoramiento vegetal con la agricultura de precisión a través de la fenómica.
07 al 12 de octubre de 2024
Montevideo, Uruguay
Descripción
La región sudamericana (Argentina, Brasil y Uruguay) tradicionalmente ha sido productora y exportadora de agroalimentos. 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 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 extraregionales, 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.
Una parte importante de este curso comprende el estudio de casos de aplicación de aprendizaje automático y visión computacional en la agricultura: a través de ejemplos aplicados en agricultura y viticultura se abordarán las distintas herramientas que se irán presentando en el curso. Dichas herramientas permiten poder caracterizar la variabilidad espacial dentro de las parcelas para, por ejemplo, optimizar la gestión de los recursos (agua, fertilizantes, productos fitosanitarios, etc). La heterogeneidad del clima, junto con la topografía no uniforme y las características del suelo, generan una elevada heterogeneidad espacial y temporal del crecimiento de las plantas que es medible a través de diversas herramientas de visión computacional o aprendizaje automático.
Temario resumido
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 y reunión con productores
El curso incluye instancias para promover que cada estudiante identifique formas de aplicar en su proyecto los fundamentos tratados en el curso.
Modalidad y carga horaria
Modalidad: Presencial - Carga horaria: 44 horas (18 horas de teórico, 26 horas de práctico). El curso incluye visita a campo experimental.
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) 🇺🇾
Cupo de estudiantes
El curso tiene 16 cupos para estudiantes inscriptos a través de CABBIO: 3 para alumnos de Brasil, 3 para alumnos de Argentina, 8 alumnos de Uruguay, 1 para alumnos de Paraguay, 1 para alumnos de Colombia.
El público objetivo de este curso son estudiantes de posgrado relacionados a las siguientes temáticas: Biotecnología, Agronomía, Ingeniería, Biología. Estudiantes avanzados de dichas áreas deberán fundamentar el interés en participar. Por tratarse de un curso introductorio no se requieren conocimientos previos sobre aprendizaje automático. Se valorará conocimientos sobre los aspectos a tratarse en el curso. En el caso de estudiantes de posgrado se valorará que dichos estudiantes estén asociados a proyectos de fenotipado en plantas.
Inscripciones
Para inscribirse debe seguir los pasos indicados en este enlace de acuerdo al país de procedencia del estudiante.
Fecha límite de inscripción: 7 de agosto de 2024
Contacto
En caso de querer mayor información o consultar dudas puede hacerlo a través del correo espacioprototipado@gmail.com
Apoyan:
