Estudiantes del programa de posgrado en Ingeniería Agrícola y Uso Integral del Agua (IAUIA), de la Universidad Autónoma Chapingo (UACh), desarrollan tecnologías que colocan a la institución a la vanguardia en el uso de drones aplicados a la agricultura. A través de diversos proyectos de investigación, los jóvenes científicos apuestan por tecnología diseñada, entrenada, validada y adaptada a las condiciones agroecológicas del país, con el potencial de transformar la forma de producir alimentos en México.

Las investigaciones se realizan bajo la dirección del doctor Gilberto de Jesús López Canteñs, profesor-investigador del posgrado IAUIA y miembro del Sistema Nacional de Investigadoras e Investigadores (SNII), Nivel I, quien asesora trabajos enfocados en agricultura de precisión, particularmente en el uso de Sistemas de Aeronaves Pilotadas a Distancia (RPAS), sensores e inteligencia artificial, con aplicaciones directas en el monitoreo, análisis multiespectral, planeación productiva y gestión sustentable de los cultivos.

De acuerdo con el también ingeniero en Riego y Drenaje por la Universidad Agraria de La Habana, Cuba, los drones funcionan como plataformas de adquisición de datos en la agricultura de precisión. El verdadero valor surge cuando modelos de aprendizaje automático analizan esas imágenes para estimar fenotipos, biomasa y estrés hídrico, lo que redefine la toma de decisiones en el campo y reduce la dependencia de prácticas empíricas.

Uno de los trabajos destacados es la tesis “Conteo automático de olivos mediante morfología matemática con imágenes adquiridas por sistema aéreo tripulado remotamente”, del alumno Ricardo Sarabia López, quien propone una metodología para la detección automatizada y el conteo de olivos a partir de imágenes multiespectrales de alta resolución. Con ello, esta tarea deja de depender de procesos lentos y propensos al error, y se apoya en sistemas inteligentes entrenados con datos locales.

Por su parte, Juan José Pérez Paredes diseñó y evaluó un sistema de aeronave pilotada a distancia tipo cuadricóptero, basado en software y hardware abierto, capaz de realizar vuelos autónomos para levantamientos topográficos agrícolas. En la tesis “Desarrollo de sistema de aeronave pilotada a distancia y aplicación para levantamiento topográfico agrícola”, el prototipo mostró alta estabilidad y precisión, con errores de apenas centímetros al compararse con levantamientos GPS.

El mismo investigador presentó un segundo trabajo titulado “Determinación del estado hídrico del maíz mediante modelos de aprendizaje automático y superresolución en imágenes térmicas”, en el que rompe con la práctica histórica de regar por calendario o por intuición. Mediante imágenes térmicas captadas por drones y modelos de aprendizaje automático, es posible conocer el estado hídrico real del cultivo de maíz e identificar con precisión las zonas con estrés hídrico.

Otra investigación relevante es la tesis “Detección y conteo de plantas de agave mediante aprendizaje profundo en imágenes obtenidas por RPAS”, desarrollada por Juan Espinoza Hernández. El estudio logró la detección y conteo automatizado de plantas de agave a partir de imágenes aéreas RGB, alcanzando niveles de precisión cercanos al 100 % a distintas alturas de vuelo. Además, el sistema permite estimar distancias entre plantas y detectar espacios vacíos en las plantaciones, aportando información clave para el manejo del cultivo.

En el trabajo “Densidad de plantas de maíz en presencia de maleza con redes neuronales profundas”, el tesista Canek Mota Delfín abordó uno de los escenarios más complejos del campo mexicano: la presencia de maleza. Su investigación demuestra que, aun en condiciones adversas, es posible obtener estimaciones confiables de densidad poblacional, un factor directamente relacionado con el rendimiento del cultivo, validando el uso de estas tecnologías en contextos reales y no solo en parcelas ideales.

Asimismo, Francisco Muñoz Bustos desarrolló la tesis “Estimación de biomasa de maíz forrajero a partir de imágenes de drones y aprendizaje profundo”, en la que construyó un modelo basado en imágenes multiespectrales y una red neuronal artificial. El modelo alcanzó un coeficiente de determinación del 92.9 %, lo que permite estimar de manera no destructiva y eficiente la cantidad de biomasa producida.

Finalmente, Carlos Martínez Nicolás automatizó la detección de la floración en piña, un proceso que tradicionalmente dependía de la inspección visual. En la tesis “Detección automatizada de florescencia en piña (Ananas comosus) mediante la combinación de aprendizaje profundo y tecnología de drones”, el alumno logró identificar con alta precisión el momento exacto de la floración, información clave para la programación de la cosecha. En conjunto, estas investigaciones reflejan el compromiso de la Universidad Autónoma Chapingo con la formación de especialistas capaces de integrar ingeniería, análisis de datos e inteligencia artificial para enfrentar los desafíos actuales del sector agroalimentario. Los alumnos del doctor López Canteñs forman parte de una comunidad de jóvenes científicos que, desde el posgrado IAUIA, se preparan como expertos en ingeniería agrícola y uso integral del agua, en áreas estratégicas como la mecanización agrícola, los biosistemas y la gestión sustentable de los recursos.