Detección hiperespectral del suelo potenciada por IA: modelización predictiva del nitrógeno y el fósforo mediante la búsqueda de arquitecturas neuronales
Autores:
Idioma: Inglés
Editor: Davide Cammarano
Año: 2026
Acceso abierto
Categoría
Subcategoría
Palabras clave
Licencia
Consultas: 5
Citaciones: Mapeo y analisis digital de suelos con IA y drones
Esta investigación propone un marco inteligente y escalable para predecir el contenido de nitrógeno y fósforo en el suelo sustituyendo los costosos análisis químicos tradicionales. La metodología combinó 286 muestras de campo recolectadas en Dakota del Norte con lecturas hiperespectrales en las regiones VNIR y SWIR, realizando la fusión de datos multisensoriales y aplicando Búsqueda de Arquitectura Neuronal (NAS) para optimizar automáticamente modelos de Redes Neuronales Convolucionales 1D (1D-CNN). Se concluyó que la fusión espectral junto con NAS elevó la precisión de clasificación desde un 0.44 inicial hasta un 0.83, demostrando que el modelo entrenado con datos fusionados sin procesar ofrece el mejor equilibrio entre precisión y bajo costo computacional para su despliegue en agricultura de precisión en tiempo real.
Esta investigación propone un marco inteligente y escalable para predecir el contenido de nitrógeno y fósforo en el suelo sustituyendo los costosos análisis químicos tradicionales. La metodología combinó 286 muestras de campo recolectadas en Dakota del Norte con lecturas hiperespectrales en las regiones VNIR y SWIR, realizando la fusión de datos multisensoriales y aplicando Búsqueda de Arquitectura Neuronal (NAS) para optimizar automáticamente modelos de Redes Neuronales Convolucionales 1D (1D-CNN). Se concluyó que la fusión espectral junto con NAS elevó la precisión de clasificación desde un 0.44 inicial hasta un 0.83, demostrando que el modelo entrenado con datos fusionados sin procesar ofrece el mejor equilibrio entre precisión y bajo costo computacional para su despliegue en agricultura de precisión en tiempo real.