La gestión eficiente de las malas hierbas invasoras es fundamental para mantener el equilibrio entre biodiversidad, producción y sostenibilidad agrícola. Esto se debe a que las malas hierbas invasoras pueden causar pérdidas significativas de rendimiento en los cultivos y su control supone un elevado coste en productos fitosanitarios, además de los daños ecológicos que generan. Los avances en robótica, digitalización, inteligencia artificial, etc., permiten la optimización de los recursos empleados (e.g. fitosanitarios) mediante la aplicación de tratamientos localizados y ajustados a las necesidades reales del cultivo siguiendo los principios de la agricultura de precisión.

Recientemente se ha confirmado la presencia de la planta invasora Amaranthus palmeri en parcelas agrícolas en España. Esta especie es altamente competitiva, presenta una elevada tasa de fecundidad y la capacidad para desarrollar biotipos resistentes a los herbicidas, convirtiéndola en una de las especies exóticas con mayor amenaza para la agricultura española. Para ello, se ha desarrollado una herramienta de agricultura digital -denominada DIGINVASIVE- para el mapeo y seguimiento de A. palmeri en campos agrícolas, consistentes en un servidor de cartografía digital web de código abierto que utiliza tecnologías digitales innovadoras como imágenes de dron, Sistemas de Información Geográfica, Tecnologías de la Información y la Comunicación y potentes algoritmos de Inteligencia Artificial. Esta herramienta interactiva permitirá a los usuarios establecer las medidas de prevención y erradicación necesarias para abordar el control de A. palmeri en escenarios agrícolas.

Se utilizó un UAV equipado con una cámara modificada para captar información en las bandas del Rojo, Verde e Infrarrojo Cercano. Se tomaron imágenes sobre una parcela de girasol infestada por diferentes especies de malas hierbas en fase temprana. Las imágenes fueron procesadas para generar una ortoimagen y un modelo tridimensional del cultivo y malas hierbas para su posterior análisis usando métodos orientados a objetos y el clasificador Random Forest.

Se comparó la infestación de malas hierbas detectada con la realmente existente en el campo en una serie de marcos de referencia, obteniéndose un coeficiente de determinación de 0,91 entre ambas variables.

Se utilizó un UAV equipado con una cámara modificada para captar información en las bandas del Rojo, Verde e Infrarrojo Cercano. Se tomaron imágenes sobre una parcela de girasol infestada por diferentes especies de malas hierbas en fase temprana. Las imágenes fueron procesadas para generar una ortoimagen y un modelo tridimensional del cultivo y malas hierbas para su posterior análisis usando métodos orientados a objetos y el clasificador Random Forest.

Se comparó la infestación de malas hierbas detectada con la realmente existente en el campo en una serie de marcos de referencia, obteniéndose un coeficiente de determinación de 0,91 entre ambas variables.