Por primera vez, investigadores del INTA y del Conicet, en colaboración con la Universidad de Trento (Italia), desarrollaron una plataforma de inteligencia artificial que permite identificar automáticamente los estadios fenológicos del girasol a partir de fotos tomadas en el campo con un celular. La herramienta, llamada SunPheno, es de acceso libre y gratuito, y representa un avance sin precedentes para mejorar el rendimiento de este cultivo.
El sistema fue diseñado para detectar momentos clave en el desarrollo de la planta, como la senescencia foliar, una etapa donde las hojas envejecen, disminuyen su actividad fotosintética y se define cuánta energía va a destinarse al llenado de los granos. Identificar con precisión cuándo ocurre este proceso permite ajustar prácticas de manejo e incluso predecir el rendimiento final.
“Si logramos sincronizar correctamente la senescencia con los estadios de crecimiento del cultivo, podemos optimizar el uso de los recursos y mejorar los rindes”, explicó Melanie Corzo, becaria doctoral del Instituto de Agrobiotecnología y Biología Molecular (Iabimo), una unidad de doble dependencia entre el INTA y el Conicet.
Para entrenar el sistema, el equipo construyó una base de datos con más de 25.000 imágenes capturadas directamente desde celulares, en condiciones reales de campo. Las fotos corresponden a dos líneas endocriadas del programa de mejoramiento genético del INTA, que fueron clasificadas manualmente para que el modelo de machine learning aprendiera a distinguir entre estadios vegetativos (cuando la planta forma hojas y tallo) y reproductivos (cuando aparecen los capítulos y se desarrollan los granos).
“El celular se convirtió en una herramienta de fenotipado masivo”, destacó Paula Fernández, investigadora del Iabimo. “Generamos más de 5.000 fotos por campaña y el modelo las puede clasificar automáticamente, lo que agiliza mucho el trabajo y elimina la subjetividad que suele haber al observar las plantas a ojo.”
SunPheno también permite explorar la relación entre genética y rendimiento. Según Fernández, el sistema ayuda a entender en qué momento se activa la senescencia en diferentes genotipos, lo que puede usarse para seleccionar híbridos más eficientes en el uso de recursos como el agua o la radiación solar.
El próximo paso será escalar el sistema para que también funcione con imágenes tomadas por drones o satélites, ampliando aún más su alcance.
Además del equipo argentino, participaron Sofía Bengoa Luoni, investigadora en la Universidad de Wageningen (Países Bajos), y Farid Melgani, de la Universidad de Trento.
SunPheno ya está disponible para investigadores, productores y técnicos que quieran mejorar la precisión en el monitoreo del cultivo. Se puede acceder libremente a través de un enlace público.
