UNAL presenta nueva tecnología de monitoreo de cultivos que detecta estrés en plantas en tiempo real
El monitoreo de cultivos ya no se limita a ver cómo crecen las plantas: el diseño de un software busca interpretar lo que expresan.
A la hora de hacer monitoreo de cultivos, uno de los grandes desafíos es detectar cuanto antes lo que pueda afectar el rendimiento. Para resolverlo, la Universidad Nacional presentó una herramienta que capta las señales eléctricas de las plantas y revela de inmediato si están bajo estrés. El sistema integra un equipo portátil y un software que clasifica los patrones eléctricos al instante.
Le puede interesar: “Reflejos”, la película colombiana desarrollada por investigadores de la UNAL que usa efectos creados con inteligencia artificial
Un sistema para “escuchar” la respuesta vegetal
En un artículo, publicado por la Agencia de Noticias de la UNAL, menciona que las plantas no tienen sistema nervioso, pero sí generan impulsos eléctricos asociados a estímulos externos. La investigadora Valeria Gutiérrez Ruiz diseñó un prototipo que capta estos impulsos mediante electrodos colocados en hojas y tallos. El dispositivo registra variaciones eléctricas que, al ser procesadas, se convierten en información útil para el monitoreo de cultivos.
El prototipo opera con un amplificador diferencial Ad8226, necesario para medir señales en microvoltios. Además, emplea filtros que eliminan interferencias como el ruido eléctrico de 60 hertzios. Con estos componentes, el sistema obtiene señales limpias para que el software pueda analizarlas.
El programa fue desarrollado en Python y extrae cuatro parámetros básicos: energía, frecuencia dominante, entropía espectral y desviación estándar. Estas variables permiten diferenciar cambios sutiles en las señales eléctricas de las plantas y asociarlos con posibles alertas durante el monitoreo de cultivos en entornos reales.
Pruebas controladas y respuestas eléctricas a la hora de hacer monitoreo de cultivos
Para evaluar el alcance del sistema, la investigadora aplicó cinco estímulos controlados en frijol, lenteja y fittonia:
- luz intensa,
- oscuridad súbita,
- aumento de temperatura,
- contacto mecánico,
- corte controlado.
Cada estímulo se registró durante 20 minutos y se repitió decenas de veces, lo que permitió construir una base de más de 900 registros. Este volumen de información fortaleció la precisión del software al diferenciar patrones eléctricos asociados al estrés de las plantas.
También le puede interesar: Comercio ilegal de ácido hialurónico pone en riesgo la salud en Colombia, advierte Invima
El corte controlado fue el estímulo que generó la mayor energía eléctrica. En las lentejas, por ejemplo, se registraron 525,4 µV², mientras que la oscuridad produjo valores cercanos a 210,9 µV². Cambios de temperatura y roce también generaron respuestas altas, aunque con características distintivas para cada especie.
Con análisis estadísticos como ANOVA, se comprobó que las diferencias entre estímulos no eran producto del azar. Más adelante, un algoritmo agrupó automáticamente las señales en cinco conjuntos que coincidieron con los estímulos aplicados. En lentejas se logró un acierto del 91%. Otros modelos predictivos alcanzaron precisiones superiores al 80%, confirmando que el sistema puede reconocer patrones eléctricos repetitivos y útiles para el monitoreo de cultivos.
¿Qué efectos tiene para la agricultura?
La posibilidad de analizar de forma inmediata las señales eléctricas de las plantas ofrece ventajas para el monitoreo de cultivos. Tradicionalmente, los productores deben esperar a que las hojas se marchiten o aparezcan síntomas visibles. Con este método, un cambio eléctrico podría alertar sobre el estrés de las plantas sin necesidad de afectar el cultivo.
Entre las funciones que podrían integrarse en invernaderos o sistemas agrícolas están:
- activar riegos cuando se detecte falta de agua,
- enviar alertas tempranas sobre presencia de plagas,
- identificar plantas más resistentes por sus respuestas eléctricas,
- ajustar condiciones de iluminación o temperatura sin intervención manual.
La tecnología es portátil, de bajo costo y adaptable. Su integración podría mejorar el monitoreo de cultivos en tiempo real y servir como base para sistemas de agricultura inteligente, especialmente en escenarios donde los cambios ambientales son repentinos.
Lea más: Modelos de lenguaje avanzan, pero científicos cuestionan si realmente pueden crear AGI humana
