Tecnología aplicada en condiciones reales mediante inteligencia artificial multimodal, sensores y datos foliares.
Ubicado en el eje Puerto Montt – Chiloé, zona núcleo del cultivo de papa en el sur de Chile, el Proyecto Gamma se desarrolla sobre una superficie de 1000 m² como base experimental para validar tecnologías de agricultura de precisión e inteligencia artificial bajo condiciones agroclimáticas reales.
Esta región se caracteriza por una alta pluviometría anual (superior a 1500 mm), suelos franco-arcillosos con drenaje variable, y un entorno fitosanitario complejo, lo que la convierte en un laboratorio natural para la experimentación en ambientes adversos.
“La adopción de tecnologías emergentes y herramientas de decisión puede mejorar la rentabilidad del agricultor usuario.” — INIA, Boletín Agricultura de Precisión 4.0, 2023
El piloto busca validar un sistema inteligente de apoyo a decisiones agronómicas para papa, integrando múltiples fuentes de datos mediante IA multimodal. Esta arquitectura replica condiciones reales de pequeños predios del sur de Chile.
Modelos entrenados localmente para identificar tizón tardío y virosis a partir de imágenes periódicas.
Correlación entre datos de sensores de humedad, temperatura y NDVI para inferencia de riego.
Modelos ML basados en análisis foliar y suelo para estimar carencias específicas por variedad.
Las recomendaciones generadas se adaptan por variedad y etapa fenológica, y son completamente trazables.
Entrenamiento visual con imágenes periódicas.
Imágenes satelitales y dron para NDVI.
Medición de humedad en profundidad.
Temperatura, humedad y lluvia en tiempo real.
Análisis químico para modelos de nutrición.
Recomendaciones automáticas por variedad.
Segmentación y detección de patrones mediante visión artificial (DL).
Correlación de datos climáticos e históricos (ODEPA, Agromet).
Extracción de conocimiento técnico desde INIA, SAG y literatura.
Generación de recomendaciones trazables, adaptadas y accionables.
Elegidas por su presencia en la región, datos validados y escalabilidad a nivel industrial.
| Etapa | Objetivo |
|---|---|
| Etapa 1 | Registro multivariable del ciclo completo: visual, foliar y edáfico. |
| Etapa 2 | Contraste entre imágenes, análisis foliar y datos NDVI temporales. |
| Etapa 3 | Inferencia cruzada de datos de suelo para anticipar deficiencias. |
| Etapa 4 | Validación externa de las recomendaciones generadas por IA. |
¿Interesado en colaborar o visitar el piloto?
Escríbenos a info@australmetrics.cl para recibir una ficha técnica o agendar una visita.