Los insectos pueden ser una verdadera plaga para los productores de granos, literalmente. Los productores de granos deben monitorear constantemente las plagas al almacenar granos para garantizar la calidad del grano postcosecha. Sin embargo, los métodos actuales de muestreo y monitoreo requieren mucho tiempo, requieren mucha mano de obra y requieren experiencia para la identificación precisa de las especies. Científicos de ARS en Manhattan, KS, utilizaron métodos de aprendizaje profundo e IA para desarrollar identificación basada en imágenes para cinco especies comunes de insectos almacenados de grano: perforador de grano menor, escaramuza de grano oxidado, escaraleta de harina roja, listo de arroz y escaraleta de grano con dientes de sierra.
El sistema impulsado por IA identificó más eficientemente todas las especies con un nivel de precisión de al menos el 96% y permitió a los productores aplicar más rápidamente controles de plagas y, en última instancia, reducir los daños, la pérdida de alimentos y las pérdidas económicas. Este trabajo forma parte de un esfuerzo más amplio para desarrollar sistemas basados en cámaras para el monitoreo automatizado de plagas en almacenes, molinos de harina e instalaciones generales de almacenamiento de alimentos que mejorarán la identificación y el control de plagas.
Enfoque: Los agricultores estadounidenses anualmente (2016-2018) cultivan 562 millones de toneladas métricas de maíz, soja, trigo, sorgo y otros granos para abastecer a la nación y al mundo de alimentos, piensos para animales y biocombustibles. Nuestro objetivo del proyecto es mejorar la calidad de los cereales y la competitividad internacional de los Estados Unidos a través de la aplicación de los principios de ingeniería para medir rápidamente los rasgos de grano y el grano y la calidad de los productos a base de granos después de la cosecha. Proponemos desarrollar sistemas equipados únicos para medir rápidamente la calidad o los rasgos compositivos para los criadores a la hora de seleccionar rasgos para el desarrollo varietal. También proponemos desarrollar tecnología para detectar y controlar insectos y mantener la calidad del producto durante la manipulación, el procesamiento y el almacenamiento. Esta investigación conducirá al desarrollo acelerado de variedades e híbridos por parte de los obtentores; mejores sistemas e información para la gestión del almacenamiento por parte de agricultores y transformadores, lo que redundará en una mejor rentabilidad y eficiencia en la producción, menos desperdicio y una mayor disponibilidad de alimentos utilizando menos recursos.
https://aglab.ars.usda.gov/learn-and-explore/ars-innovations-help-combat-food-loss-and-waste#genomics
