Se han desarrollado múltiples sistemas robóticos con diferentes aplicaciones. Dependiendo de la necesidad a satisfacer de diferentes funciones en la agricultura los diseños robóticos tienen que cumplir el requerimiento de movilidad en ambientes altamente complejos lo que implica tener en cuenta las cuatro siguientes operaciones (Vougioukas, 2019).

1. 1. Cálculo del diseño espacial para el establecimiento de filas en los cultivos.
2. 2. Planificación de rutas de vehículos
3. 3. Planificación del movimiento del vehículo
4. 4. Orientación automática del vehiculó (detección, percepción y control para ejecutar un plan de movimiento).

Lo anterior con el objetivo de poder navegar en un cultivo y así realizar diferentes operaciones agrícolas como, pulverización, fertilización y por su puesto eliminación de malezas (Jiang et al., 2010). Para poder realizar la navegación de los vehículos es necesario que estos se encuentren equipados con una serie de sensores y que estos sirvan como fuentes de información para apoyar a la toma de decisiones y operaciones, activación de actuadores, ejecución de tareas y evaluación del rendimiento del robot. Estos sensores se pueden dividir en categorías según los datos generados (Bechar y Vigneault, 2016; Kushwaha et al., 2016).

1. 1. Medición de movimientos (Contadores (técnicas de odometria), laser/radar, radar de onda milimétrica).
2. 2. Detección de características locales (Sonar, Cámaras digitales).
3. 3. Posicionamiento absoluto (Global Positioning System (GPS), Real-time kinematic positioning (RTK), Differential Global Positioning System (DGPS), balizas activas).
4. 4. Medición de parámetros relacionados al medio ambiente (sensores: Espectroscopia infrarroja cercana (NIR), Sensor infrarroja (IR), Rayos X, fluorescencia, visión acústica, óptica (2 - D y 3 - D), entre otros).

Para lograr operaciones de control de maleza de manera autónoma utilizando robots es necesario que estos sean guiados con precisión dentro del cultivo, específicamente a través de las filas del cultivo, así mismo deben ser capaces de identificar el fin de una fila, poder girar para hacer cambio de fila según Kanagasingham et al. (2020) y contar con un sistema que permita la discriminación de la maleza de las plantas para su eliminación.

Hasta el momento la navegación GPS de alta precisión es más común en los sistemas de navegación de robots en campo abierto, sin embargo, estos sistemas siguen siendo caros y además de requerir un mapa preciso de las ubicaciones de las filas de los cultivos, esto lleva a que la dirección de las investigaciones en este campo tienda a desarrollar sistemas utilizando sensores locales, como lo son los sensores ópticos y/o sistemas laser/radar (English et al., 2015).

Como ejemplo, Kanagasingham et al. (2020) en su trabajo proponen un sistema de guiado para que un robot autónomo permita la eliminación de maleza en un campo de arroz, este sistema está guiado por GPS-RTK y enrutamiento en base a una brújula para que el robot pueda girar, entrar en una nueva fila en las cabeceras del cultivo y además cuenta con un sistema de compensación por visión artificial para que este navegue con precisión dentro de las filas. Es de mencionar que el sistema propuesto es altamente preciso mientras el cultivo presente baja densidad de maleza y las condiciones climáticas sean óptimas en cuanto a nubosidad y humedad para el sistema GPS.

La detección (ubicación y clasificación) del cultivo, malezas o ambos, es de imperiosa necesidad para la eliminación y control de la maleza de manera precisa, ya que esto permite el movimiento de los actuadores. Diversos trabajos de investigación se enfocan en esta tarea, los cuales se basan en la visión artificial Rasti et al. (2019); Jiménez et al. (2020); Osorio et al. (2020), en dichos trabajos, el empleo de sensores que trabajan en el rango multiespectral o en el espectro visible son altamente empleados, obteniendo resultados más prometedores al usar sensores multiespectrales por la información que estos pueden proporcionar.

El procesamiento de la información para la detección y clasificación de objetos (maleza en este caso) en ambientes altamente complejos como lo es un cultivo sigue siendo un reto debido a problemas de oclusión, similitud en color y textura entre el cultivo - maleza, condiciones de iluminación y diferentes especies de malezas, Hasan et al. (2021) por lo anterior se han empleado diversas técnicas como la morfología matemática, en la cual se emplean cálculos de diferentes índices (Exceso de verde (ExG), Exceso de rojo (ExR), Diferencia del exceso de verde con el exceso de rojo (ExGR), Índice de vegetación de diferencia normalizada (NDVI)) en combinación de algoritmos para umbralización Liu et al. (2020), la técnica más prometedora debido a la robustez de los algoritmos es el empleo de redes neuronales artificiales (Hasan et al., 2021).

El empleo de sistemas de visión por computadora en robots móviles para la eliminación de maleza es el más empleado, aunque se ha reportado el uso de robots que carecen de este sistema y en su lugar emplean un sistema GPS con RTK para la siembra precisa de cada planta de interés guardando su ubicación, por lo tanto, todo fuera de esa ubicación se considera maleza en el cultivo, tal es el caso del robot Farmdroid (2020).

La mayoría de las máquinas usadas convencionalmente para eliminación de malezas contienen mecanismos que se basan en métodos mecánicos y químicos adecuados para el control de las malezas. Sin embargo, existen otros métodos como el térmico y el eléctrico que se encuentran en desarrollo para su automatización. Las prácticas convencionales con métodos químicos y mecánicos, por ejemplo, pueden ser menos adaptables a los cultivos porque a menudo se usan en máquinas grandes, como pulverizadores de brazo grande (Steward et al., 2019).

Los robots se pueden adaptar más a los cultivos, pero la selección del mecanismo apropiado para eliminar la maleza debe ser de consideración principal para su construcción, junto con la facilidad de movimiento del robot dentro del campo y la detección autónoma de la maleza. Estas son las tres consideraciones principales de diseño de robots desmalezadoras de la última década (Pandey et al., 2020).

A continuación, se presentan algunos de los principales métodos de control de malezas basados en los métodos mecánico, químico, térmico y eléctrico.

Método mecánico. Los métodos mecánicos para eliminación de malezas surgieron desde la década de 1960 cuando se comercializaron varios sistemas automáticos de aclareo de cultivos (Slaughter et al., 2008). Estas herramientas utilizan tres técnicas físicas principales: enterrar, cortar y arrancar Ahmad et al. (2014), y son los más comúnmente usados aún por encima del método químico. La mayoría de las herramientas de deshierbe mecánico eliminan la maleza fuera de línea de cultivo y muy pocas entre plantas de la misma hilera debido a que son más difíciles de tratar porque las herramientas no son selectivas, es decir, no puede distinguir entre el cultivo y la maleza. Dentro de la variedad de herramientas convencionales tanto para cultivo entre hileras como entre plantas de la misma hilera, se pueden nombrar las siguientes. Labranza a voleo: rastra de cadenas, rastra de púas flexibles, azadas rotativas; labranza entre hileras: desmalezadoras, azadas de disco, cultivadores rodantes, desmalezadoras de cestas o canastas; labranza en hileras: desmalezadoras de torsión, de dedos y de cepillos (Figura 1) (Ahmad et al., 2014; Osten y Crook, 2016).

Con el uso de las rastras se trata toda el área, tanto cultivo como maleza, la selectividad es limitada y solo las malezas pequeñas se eliminan eficazmente mediante el desgarro, por lo que debe repetirse la labor de deshierbe. En cambio, las desmalezadoras de dedos y de torsión operan desde los lados de la hilera y debajo de las hojas de cultivo, pero necesitan una dirección firme, disminuyendo la velocidad de trabajo. Estás herramientas se pueden usar en la mayoría de los vegetales trasplantados como el frijol, colza de primavera, cebolla sembrada, remolacha roja y azucarera y zanahorias (Van Der Weide et al., 2008). Se pueden combinar estas herramientas en un implemento para control de malezas en líneas de cultivo como entre ellas. En cereales se puede hacer un rastrillado ciego con rastras de dientes elásticos, de cadena o de arrastre después de la siembra, pero antes de la emergencia del cultivo, para darle una ventaja temprana sobre la maleza y ayudar a la selectividad en el deshierbe futuro (Bond et al., 2003). En general, la eficacia del control de malezas con herramientas no selectivas depende de la diferencia en tamaños entre el cultivo y la mala hierba.

El avance en la tecnología ha permitido que algunas máquinas incluyan cierto grado de inteligencia usando información de la escena local del cultivo para activar o desactivar la herramienta de trabajo en presencia de maleza o cultivo.

FIGURA
1. Herramientas convencionales para deshierbe en las hileras del cultivo-desmalezadoras: a) de torsión, b) de dedos Van Der Weide et al. (2008) y c) de cepillos Paice et al. (1996).

Christensen et al. (2009), citan numerosos autores que han desarrollado implementos de deshierbe de alta precisión para sistemas inteligentes de manejo de malezas específico del sitio SSWM (guiados), incluidos los siguientes: Cuchillos mecánicos, azadas giratorias, desbrozadora de cesta giratoria en dirección transversal, platos con chuchillas con resorte, azada cicloide con púas giratorias y disco vertical con secciones recortadas con biseles periféricos que actúan como azada (Osten y Crook, 2016).

El enfoque similar es mover la herramienta dentro o fuera de la línea de cultivo en función de la posición de las plantas de cultivo. Por ejemplo, el desyerbador inteligente de lechugas de la empresa Sarl Radis, usa la interrupción de un haz de luz por las plantas de cultivo para mover una azada dentro y fuera de la hilera, dejando el cultivo intacto (Van Der Weide et al., 2008). Así también el Robovator (2018) es una máquina basada en visión para el deshierbe mecánico en cultivos en hileras que utiliza cuchillas que se mueven dentro y fuera de la hilera cuando pasa una planta de cultivo, para eliminar la maleza (Figura 2a). De manera similar Tillett et al. (2008) presentan una máquina basada en una azada comercial con cuchillas para cultivo entre hileras y módulos con un disco impulsado hidráulicamente (Figura 2b), los cuales tienen una sección interior cortada para que las plantas del cultivo pasen sin daños mientras remueve la tierra entre plantas para eliminar las malezas. Esta tecnología se conoce como Robocrop y utiliza visión artificial para identificar las plantas. Una azada cicloide con ocho púas de forma sigmoidea verticales (Figura 2c) que puede bajar en espacios entre plantas y retractarse en presencia de plantas, es otra herramienta inteligente desarrollada por Nørremark et al. (2008), en este caso las plantas deben estar georreferenciadas. El desyerbador Steketee IC es una máquina de cultivo entre plantas (Figura 2d) que calcula la posición de las plantas y las recorre rápidamente con precisión con su amplia variedad de cuchillas de cultivo y otras herramientas desmalezadoras. Las cámaras van montadas debajo del capó delantero y cuentan con iluminación LED (Suttonag, 2015).

Está disponible una amplia gama de desbrozadoras entre hileras y entre plantas con herramientas como las presentadas anteriormente, incluyendo rastras de púas con resorte, mini-ridgers, desbrozadoras de alambre rotativo y de acción neumática Korresa et al. (2019), como el de nombre comercial Pneumat weeder, que usa aire comprimido para expulsar las malezas de las hileras del cultivo (Van Der Weide et al., 2008).

En general, los requisitos para un buen rendimiento de los métodos mecánicos para la eliminación de las malezas entre hileras como en entre plantas de cultivo con herramientas simples, de acuerdo a Slaughter et al. (2008), son: una guía precisa de filas para el dispositivo; ajuste de altura (para controlar la profundidad de corte); preparación adecuada del suelo (los terrones libres en el suelo pueden empujar las malezas antes de que puedan ser cortadas); y el tiempo de operación con respecto a la edad de la maleza (algunas especies se vuelven leñosas y la herramienta solo la dobla en lugar de cortarla.

FIGURA 2
Herramientas inteligentes para eliminación de malezas en hileras de cultivo: a) Robovator, b) Robocrop, c) azada cicloide y d) Steketee IC.

En el caso de las herramientas inteligentes, el buen rendimiento del método depende del sistema de detección del cultivo y de velocidades de operación bajas para permitir el buen accionamiento de la herramienta (Van Der Weide et al., 2008).

Método químico. Es el segundo método de control malezas más usado y aunque el uso de herbicidas sigue siendo eficaz y económico, los costes ambientales pueden resultar trágicos. La aplicación selectiva se basa en aplicar productos químicos, pero de manera más precisa, es decir, de manera directa a la maleza, reduciendo el volumen de herbicidas usados por los sistemas convencionales hasta un 95% y permitiendo el uso de herbicidas no selectivos.

Un enfoque de la aplicación selectiva se basa en detectar las plantas de cultivo para apagar y encender las boquillas en función de la presencia del cultivo. Dos técnicas se han desarrollado para detectar y controlar el sistema de pulverización automática en plataformas convencionales:

WeedSeeker (Figura 3a) desarrollado en 1990 en California que funciona evaluando la diferencia de relación de reflectancias roja e infrarroja cercana de la vegetación y el fondo, con fotodetectores. Sus circuitos electrónicos analizan la luz reflejada y controlan las válvulas solenoides de disparo rápido. Cuando se detectan hojas verdes (malezas) del suelo de diferente color o de los rastrojos, se desencadena un rociado puntual dirigido (Baille et al., 2013). Esto reduce hasta un 90% la cantidad de herbicida a aplicar (Trimble Inc, 2019).

WeedIT desarrollado en países bajos incluye un sensor de luz roja que cambia parcialmente a infrarrojo cercano cuando pasa sobre la clorofila de la planta viva. Un sensor puede controlar cinco solenoides y suelen estar espaciados a 1 m a lo largo de la pluma, y opera a una altura de 1 m sobre el suelo (Baille et al., 2013). Al rociar solo malezas, ayuda a ahorrar hasta un 90% de costos de productos químicos (Weed-It, 2019).

Sin embargo, las salpicaduras del herbicida a la planta pueden generar un daño fitotóxico significativo y una disminución del rendimiento. Para ello, las investigaciones al respecto indican el uso de formulaciones líquidas para aumentar la deposición superficial y polímeros que inhiben las salpicaduras durante la deposición. La eficacia de este método depende en gran medida de la velocidad del desyerbador y la altura de la boquilla, Sabanci y Aydin (2017) indican que el área de superficie cubierta por los herbicidas es inversamente proporcional a la velocidad del desmalezador.

Otro enfoque ha sido la microaspersión en regiones muy pequeñas con el objetivo de tratar plantas individuales, como el sistema descrito por Lee et al. (1999), que aplica micro dosis (10 ms de activación de la boquilla) en áreas de 0.9 por 1.27 cm, resultando un caudal de 0.098 L/min. Este sistema usa visión artificial para procesar imágenes de regiones de 116 cm² con 10 plantas. Otro ejemplo es la pulverización en un área rectangular de aproximadamente 0.64 por 1.27 cm con aceite de canola calentado y guiado por un sistema de imágenes hiperespectrales para identificar tomate y dos especies de malezas, desarrollado por Zhang et al. (2009).

Basados en la práctica agronómica de estimar la densidad media de malezas en el campo para decidir si se debe fumigar o no, se ha propuesto que se obtuviesen grandes beneficios a largo plazo si se diseña una dosis variable de acuerdo a la densidad y especies de malezas (Paice et al., 1996). Algunos sistemas de aspersión de precisión utilizan los mapas de malezas para desarrollar planes de aplicación de tasa variable y son usados por pulverizadores diferenciales para aplicar los herbicidas solo en las áreas que se requieran (Peltzer et al., 2009). Por ejemplo, Tian (2002), desarrolló un pulverizador automático controlado por un sistema de visión artificial que usa imágenes de baja resolución de un área de visualización grande para detectar la densidad de malezas. El tamaño de la zona analizada coincide con el tamaño de la barra de pulverización. Se rociaron selectivamente malezas detectadas en tiempo real. Los requisitos clave para el rendimiento de la aplicación espacialmente variable incluyen la presión, la velocidad de respuesta, y las características de reducción del sistema de control de dosis del pulverizador (Paice et al., 1996).

La combinación de los de los diferentes enfoques de la aplicación selectiva y convencional de químicos también se ha realizado para trabajos en hileras de cultivos densos y entre las hileras. Rizzardi et al. (2007) estudiaron la efectividad de un sistema de fumigación selectiva y convencional de cacahuate. El sistema se formó por un pulverizador selectivo de altura y el WeedSeeker con capucha para rociado de malezas entre las plantas y entre los callejones, respectivamente (Figura 3b). Su menor control de malezas con su tratamiento se debió a dificultades técnicas y al tipo de herbicida.

Método térmico. La manera convencional del método térmico era la quema del rastrojo para matar la mayor cantidad de semillas de malezas, sin embargo, esa práctica está prohibida debido al humo y otros peligros (Bond et al., 2003). Los métodos térmicos se pueden usar de manera más controlada y tienen la ventaja de una mínima modificación del suelo. Se pueden incluir dentro del control térmico de malezas, los métodos basados en llamas, microondas, infrarrojos, radiación ultravioleta, agua y espuma caliente, y electrocución (Osten y Crook, 2016).

Control con llamas. El uso de llamas se puede aplicar para deshierbe total de malezas o para eliminación selectiva y se necesita de una protección para la planta, ya sea un escudo de aire o agua o una barrera

FIGURA 3
a) sistema WeedSeeker y b) sistema de aplicación selectiva y convencional.

térmica. Por ejemplo, el robot de deshierbe térmico de la empresa danesa Robovator Poulsen (2021), utiliza el sistema de visión Robovator para identificar las plantas del cultivo y una serie de chorros de plasma orientados hacia la hilera de cultivo, dispara llamas para matar las malas hierbas (Figura 4a). Algunas especies de malezas son tolerantes a las llamas e influye en la eficacia del método, la precipitación por año en la región. Un sistema que induzca una alta humedad podría proporcionar un mejor control de malezas (Brodie, 2018). En general, un tiempo de exposición de hasta 130 ms es suficiente para matar el tejido foliar y en comparación con otros métodos de control térmico de malezas como el vapor, el uso de flamas es más barato y efectivo (Korres et al., 2019).

Control con vapor y agua caliente. Mediante el uso de agua caliente o vapor de agua se reduce los riegos incendios probables con el uso de fuego. El uso de solo agua caliente es un método no selectivo porque se aplica a toda el área siendo más eficiente en regiones con población densa de malezas (Korres et al., 2019). La temperatura del agua es factor clave para la eliminación de malezas, hongos o parásitos de las plantas, y varios estudios indican que las temperaturas más altas son más efectivas, indicando que los líquidos se deben calentar hasta mínimo a 150° cuando son aceites orgánicos, para que la eficacia fuera confiable. El aplicador de vapor más común es la hoja de vapor, una cubierta de membrana termorresistente sellada en los bordes que cubre solo el área dentro de la hilera y se hace antes de plantar. El vapor se bombea debajo de la cubierta y penetra en el suelo para matar las más hierbas y sus semillas (Gay et al., 2010). Con este enfoque podemos encontrar al robot Steam’R del grupo francés Simon Group Simon's Steam'R or Steam'R, (PotatoPro, 2018). Este es un sistema equipado con calderas para sobrecalentar el vapor a una temperatura de hasta 180°C y este vapor es transportado a unas placas de 3 m x 1.5 m que se sobreponen al suelo para calentarlo a una temperatura de 80°C a una profundidad de 8 a 9 centímetros, quemando las semillas de malezas antes de brotar (Figura 4b). Así mismo, también está Soil Steam International ( 2020), empresa noruega con su sistema Soilprep2020, la cual es una máquina de vapor móvil que permite aplicar vapor en profundidad de hasta 30 centímetros, neutralizando del 95% al 100% de todos los hongos, malezas, semillas y nematodos del suelo sin necesidad de aplicar químicos, y que cada tratamiento tiene una duración de 3 a 5 años.

Control criogénico. Otro método térmico llamativo es con material criogénico, ya que la eliminación de malezas se puede lograr de manera instantánea con materiales criogénicos como nieve de dióxido (CO2 a -78°C) de carbono y nitrógeno líquido (LN2 a -196°C) (Korres et al., 2019). Cutulle et al. (2013) desarrollaron un sistema de control de malezas basado en la aplicación de nitrógeno líquido a la maleza con un rociador modificado y su posterior trituración con un rodillo mecánico (Figura 4c).

Método eléctrico. La electricidad también puede matar malezas a través de descargas de alto voltaje, sin embargo, este método requiere del contacto cercano entre la sonda eléctrica y la maleza (de 1 a 2 cm) para que sea efectiva su eliminación y las plantas pequeñas requieren de un control más preciso de la sonda. Aunque el tiempo de ejecución de la descarga es mucho menor que cualquier otro método, el tiempo de posicionamiento de la sonda compensa debe ser considerado. La fuerza de la descarga eléctrica, la duración del contacto o la exposición, la especie de maleza, sus características morfológicas y su etapa de crecimiento afectan significativamente el éxito de este método (Korres et al., 2019). La tecnología Electroherb de Zasso usa la electrofísica de potencia avanzada para el control de malezas, a través de aplicadores de energía óptima conectados a las baterías del tractor y diseñados específicamente para cada tipo de maleza y el tipo de suelo (Zasso, 2020). La cabina eléctrica se encuentra conectada a la batería del tractor y a los aplicadores como polo positivo, el suelo hace la función de polo negativo (Figura 4d).

Debido a los insatisfactorios efectos y altos costes de energía y mano de obra de los métodos anteriores, la tecnología láser parece ofrecer una alternativa viable. Los factores principales para la eficacia de este método son prácticamente dos: la cantidad de dosis de energía láser necesaria para el daño letal de las malezas detectadas la cual incluye el tamaño óptimo del diámetro del punto, la longitud de onda, potencia y tiempo de exposición, así como el enfoque en el meristemo apical de las plantas el cual es difícil de lograr en términos prácticos, las malezas monocotiledóneas y dicotiledóneas requieren al menos 54 J de potencia para ser dañadas (Marx et al., 2012; Brodie, 2018).

Dentro de los robots que aplican con el método mecánico se puede mencionar el AgBot II (Figura 5a) desarrollado por la Universidad Tecnológica de Queensland, el cual es un robot con sistema de visión que no solamente detecta sino también clasifica especies de malezas en tiempo real, lo cual le permite tomar una decisión sobre qué método de manejo de malezas aplicar, ya sea mecánico, químico o una combinación de ambos (Bawden et al., 2017). Consta de herramientas intercambiables diseñadas para diferentes especies de malezas, densidades y tipos de suelo. El Weed Whacker de Odd.Bot (Figura 5b), es un robot holandés pequeño alimentado por batería que cuenta con cámaras y sensores para poder guiarse. Su mecanismo está localizado en el centro del robot que se extiende hacia abajo como una licuadora retráctil con la cual extrae las malas hierbas y las tritura hasta sus raíces mientras se va moviendo (Ecoinventos, 2020). Su uso esprincipalmente para cultivos hortícolas. El robot colombiano CERES AgroBot (Figura 5c), producto de investigación de la Universidad Militar Nueva Granada y la Universidad Nacional de Colombia va directo a donde se encuentra la maleza previamente detectada para posicionarse y destruirla, además de también aplicar fungicidas. Para ello cuenta con un sistema de tres motores lineales que mediante un posicionamiento cartesiano 3D controla la herramienta tipo taladro para destruir la maleza (Guzmán et al., 2019). Este robot se limita a tareas periódicas de remoción de malezas, en las que la maleza es más pequeña que el cultivo.

FIGURA 4
Métodos térmico y eléctrico de control de malezas: a) disparo selectivo de llamas, b) vapor de agua a través de hoja de vapor, c) con nitrógeno líquido y rodillo compactador de malezas congeladas y d) tecnología Electroherb de Zasso.

FIGURA 5
a) Robot AgBot II, b) Robot Weed Whacker de Odd.Bot c) Robot CERES AgroBot.

La empresa francesa Naïo Technologies (2019) ha desarrollado tres robots, el robot OZ, Ted y Dino. El robot OZ (Figura 6a) lanzado principalmente para productores de espárragos, granjas pequeñas e invernaderos, es un robot pequeño completamente eléctrico equipado con sistema de visión, GPS y sensor LiDAR, con precisión de 2 cm con una autonomía que depende de la herramienta acoplada, entre las cuales pueden ser rejas de arado, rastra de peine, cepillo y además un remolque (Guyonneau et al., 2017; Misse et al., 2019). Por otra parte, el robot Ted (Figura 6b) multifuncional aplicado a viñedos, tiene como principal tarea la labranza mecánica y el deshierbe de maleza. Cuenta con una precisión de 1 cm y entre las herramientas que se le pueden acoplar se encuentran rotores, cuchillas y arado no reversible. El robot Dino (Figura 6c), es un robot completamente autónomo con una precisión de 2 cm lograda por el sistema GPS RTK (Misse et al., 2019). Cuenta con un sistema de visión que detecta las hileras de cultivos y ajusta la posición de las herramientas de deshierbe para permitir un escardado y deshierbe de alta precisión. Dentro de las herramientas se encuentra la reja de arado, rastras con púas y rastras de estrellas. Además, recolecta y mapea el cultivo, enviando información detallada y localizada en tiempo real al agricultor.

FIGURA 6
Robots desmalezadores desarrollados por la empresa francesa Naïo Technologies: a) OZ, b) Ted y c) Dino.

En Alemania la Universidad de Hohenheim desarrolló un implemento desyerbador rotativo probado en el robot eléctrico autónomo Phoenix (Reiser) (Figura 7a) que fue acondicionado para el deshierbe entre hileras en viñedos. Este implemento con ayuda de tres actuadores se puede mover hacia arriba, abajo, izquierda, derecha e inclinarse. Para detectar las posiciones de los tallos utilizaron dos métodos, un palpador mecánico y un sensor sonar (Reiser et al., 2019). El seguimiento de las filas basado en un escáner láser permitió al robot una buena precisión. El Titan FT35 (Figura 7b) de la empresa estadounidense Farmwise Labs (2020), es un tractor sin conductor que utiliza aprendizaje automático y visión por computadora. Entrenado con miles de imágenes para aprender las características de cultivos como brócoli, lechuga, coliflor y tomate, para poder diferenciar entre el cultivo y las malas hierbas (Davenport, 2020). Cuenta con seis desmalezadoras internas con cuchillas que se activan si la planta detectada es una maleza para inmediatamente cortarla y eliminarla con precisión de un centímetro. La empresa alemana Farming-Revolution (2020) presenta un robot completamente autónomo (Figura 7c) que implementa aprendizaje profundo para diferenciar entre las malezas y el propio cultivo con precisiones de hasta 99% ya sea de día o de noche (Ahmad et al., 2014). Para eliminar las malas hierbas utiliza una picadora mecánica con una precisión de 1 cm. El robot FarmDroid FD20 (Figura 7d) de la empresa danesa Farmdroid (2020), opera con cuatro módulos fotovoltaicos que generan la electricidad para poder moverse y trabajar. Realiza siembra y el deshierbe en diferentes cultivos como: remolacha azucarera, cebolla, espinaca, col rizada, flores y colza. Debido a que realiza operaciones de siembra, desde este proceso el robot FarmDroid FD20 registra las coordenadas de cada planta, utilizando GPS de alta precisión, y por lo tanto sabe dónde debe limpiar para eliminar malas hierbas, por lo tanto, no necesita de cámaras y sensores para reconocer las plantas y malezas. Se detiene solo y envía un mensaje SMS al agricultor en caso de paradas o desviaciones.

FIGURA 7
a) Phoenix (Reiser), b) Titan FT35, c) Farming Revolution y d) Farmdroid FD20.

Dentro de los robots que aplican el método con microaspersión está el HortiBot (Figura 8a), resultado de investigación de la Universidad de Aarhus en Dinamarca. Funciona con un motor a gasolina, por lo cual hace más ruido que los eléctricos. Es semiautomático, diseñado para la eliminación de maleza ya sea de manera mecánica o con la aplicación de microaspersión de herbicidas de manera directa, dependiendo el apero acoplado. Utiliza un sistema de posicionamiento GPS y puede reconocer veinticinco tipos diferentes de malezas (Jørgensen et al., 2006). Así también, la empresa suiza Ecorobotix (2019) cuenta con el robot autónomo AVO (Figura 8b), el cual detecta malezas mediante visión con cámaras RGB y las rocía con una o más boquillas. Cuenta con GPS, paneles fotovoltaicos, pilas recargables y sistema 4WD. Además, se puede controlar mediante una aplicación móvil (Agriculturers, 2018). El robot Ladybird (Figura 8c) del Centro Australiano de Robótica de Campo (ACFR), es un robot eléctrico que cuenta con paneles solares, y es similar al robot AVO, pero con un brazo de seis ejes para mover la boquilla y apuntar a la maleza (Steward et al., 2019). Así también, otro robot del ACFR es el robot RIPPA (Figura 8d), de pulverización de micro dosis de precisión más pequeño que Ladybird pero con tecnología similar utilizando energía solar. El robot RIPPA hace uso de aprendizaje profundo para la detección de plantas y malezas. Dentro de sus funciones está el mapeo de cultivos, seguimiento automático de filas, remoción y deshierbe mecánico o químico, equipado con un aplicador de precisión inteligente de inyección variable (Bogue, 2016; Misse et al., 2019). La Universidad de Ciencias Aplicadas en Osnabrück de Dinamarca, desarrollo un robot para fines de fenotipado, que posteriormente fue adquirido y mejorado por la empresa alemana Bosch. Dicho robot llamado BoniRob (Figura 8e), identifica malezas basándose en imágenes espectrales y características morfológicas. Consta de un módulo de pulverización que se compone de ocho boquillas controladas individualmente, y además también cuenta con control mecánico de malezas (Misse et al., 2019).

FIGURA 8
a) HortiBot. b) AVO ecoRobotix, c) LadyBird, d) RIPPA, e) BoniRob y f) Gbot.

Finalmente, dentro de los robots con aplicación de fuentes láser, la empresa argentina Mapplics Mobile Solutions cuenta con el robot autónomo Gbot (Figura 8f), con capacidad para monitorear y registrar distintos parámetros que le permiten generar mapas de precisión. Funciona con energía solar y es una opción para remplazar el uso de glifosato en la agricultura (Gbot.AG, 2020). Su mecanismo para el control funciona por medio de un brazo de tres ejes de libertad que acciona un rayo láser y vapor de agua para controlar las malezas (Reimondo, 2020).

Por otra parte, y en la misma línea se encuentra el proyecto WeLASER, que es un proyecto financiado por la Unión Europea con un presupuesto de 5.4 millones de euros y coordinado por investigadores del Consejo Superior de Investigaciones Científicas (CSIC) iniciado a finales del 2020, en el cual participan diversos países (CSIC Comunicación, 2020). Utilizará un láser para eliminar las malas hierbas de los cultivos, centrándose en trigo y maíz, más relevantes del mercado europeo, así también remolacha y zanahoria. WeLASER consistirá en un vehículo robot autónomo con visión e inteligencia artificial para discriminar entre las malas hierbas de los cultivos. Posteriormente detectará la posición de los meristemos de las malezas (responsables de su crecimiento) y aplicará una fuente laser de alta potencia para matarlas y evitar que se propaguen. También estará equipado con un sistema en la nube para un mejor manejo de la información. Se espera poder contar con un prototipo para el año 2023 (CORDIS Europa, 2020).

En la Tabla 1 se muestra una recopilación de los sistemas desarrollados por diversas universidades y empresas mencionados en este artículo, mencionando su país de origen, principio de funcionamiento y es de destacar que en su mayoría están desarrollados para cultivos en hileras.

TABLA 1
Sistemas para el control de malezas recopilados en esta investigación

*Autor para correspondencia: Eugenio Romantchik-Kriuchkova, e-mail: eugenio.romantchik@gmail.com