Primeros resultados de Millopreciso: El proyecto de nuevas tecnologías para mejorar el rendimiento del maíz forrajero en Galicia

Millopreciso presentó los primeros avances obtenidos en la campaña de ensilaje de maíz que se hizo con la maquinaria de Marcos Otero SL en la Granxa Ladrela. La finalidad de este proyecto es crear mapas en los que se pueda ver cuáles son las zonas más productivas de las parcelas y así optimizar la siembra del próximo año, cambiando el sistema tradicional de aplicar una única dosis en toda la parcela a emplear una dosis variable, en función del rendimiento de cada área.

El proyecto empezó en el mes de octubre de 2022, por lo que sólo tienen datos de la campaña del año 2023. “Estamos ante lo primer año de prueba de los diferentes dispositivos que instalamos en las cosechadoras”, explica Javier Bueno Lema, profesor del Departamento de Ingeniería Agroforestal de la Escuela Politécnica Superior de Ingeniería de la Universidad de Santiago de Compostela y miembro del grupo BioMODEM. En concreto, este profesional forma parte del área de mecanización que se centra en la agricultura, ganadería de precisión, automatización y robótica.

Colocación de sensores en la maquinaria
En una primera etapa, el Grupo Operativo se dedicó a instalar en los equipos de las cosechadoras los diferentes sensores: de humedad y materia seca por medida de la conductividad eléctrica del forraje, y de rendimiento mediante un potenciómetro en los rollos de alimentación. Una vez instalados “era necesario hacer una calibración”, ya que debían comprobar que las medidas que se estaban tomando se correspondían con las reales. “Si no era así, había que modificar los ajustes en el sistema informático para que la precisión fuera la máxima posible”.

Sensores emprleados en las cosechadoras para la toma de datos

Para llevar a cabo a calibración tuvieron que trasladar hasta las fincas una báscula portátil en la que se midieron todos los remolques de maíz forrajero. “Con esto, podíamos comparar los datos reales con los que salían de las medidas tomadas por los sensores de la máquina. También tomamos muestreos de maíz forrajero para hacer los análisis del contenido de materia seca”, expone el profesor.

Primer problema, la interoperabilidad de los datos
En el parque de maquinaria con el que trabajaron poseen dos marcas: Claas para las cosechadoras y John Deere para los tractores. Esto llevó a que surgiera el primer problema en el proyecto, la interoperabilidad de los datos que se obtenían de una máquina para ser empleados en la otra. Según Javier los fabricantes dieron pasos para la normalización de la información, “pero la realidad es que no podíamos emplear los datos de rendimiento obtenidos en la cosechadora directamente en los tractores”. Asimismo, algunas de las máquinas no disponían de algunos de los sensores, como el receptor GPS para georeferenciar los datos de producción, “por lo que tuvimos que instalárselos, ya que son necesarios”.

Diferencias entre los datos en bruto y los datos ya limpios

Para solucionar el problema de la interoperabilidad, equiparon la maquinaria con un doble sistema. “La cosechadora disponía de su sistema Claas de documentación, pero para poder subir el archivo al Centro de Operaciones de John Deere que utiliza Marcos Otero, montamos un puente que traduce la información del formato Claas al formato John Deere. Estos archivos se registran en un monitor John Deere adicional instalado en la cabina y desde allí son enviados telemáticamente por medio de un modem a la aplicación en la nube Centro de Operaciones”, explica el profesor.

Para manejar toda la información trabajan con un software llamado SMS que “nos permite analizar en detalle todos los datos que contiene cada archivo de rendimiento”. Asimismo, emplean una aplicación en la nube (AgFiniti) que está sincronizada con el centro de operaciones. “En este caso era el de Marcos Otero SL, al que nos permitieron acceder y trabajar sobre una copia de la información, para así no modificar los datos que tenían almacenados, ni interrumpir su labor diaria”, aclara Javier.

Más de 1.000 datos por hectárea obtenidos por las cosechadoras

El sistema genera mucha información, por eso son necesarios programas de limpieza para que los datos sean lo más precisos posible. Una cosechadora con un cabezal de 6 metros de ancho que trabaja a una velocidad de 6 km/h, en cada segundo registra el dato de producción correspondiente la una superficie de 10 m2, por lo que obtiene 1.000 datos de rendimiento por ha.

“Es muy importante tener toda la información ordenada, porque son demasiados datos”, puntualiza el profesor y añade que “de normal, se trabaja con varios clientes”. Desde el proyecto recomiendan que las empresas creen una base de datos organizada por clientes, explotaciones, parcelas y dentro de esta última se registre cada operación en función del año, tipo de operación y de producto. “En este último punto, se introducirán todos los archivos generados en los sensores”.

Limpieza de los datos en bruto
Otro de los problemas que se encontraron en el estudio es que nos archivos en bruto siempre aparecen errores, “da igual la máquina y el procedimiento de trabajo. Siempre hay algún fallo, por eso es necesario limpiar la información para lograr una mayor precisión”. Destaca que estos sistemas generan más errores que otros que trabajan con cereales.

En este caso, en Granxa Ladrela trabajaron en 7 parcelas que suman un total de 24 ha. Obtuvieron un peso total de 853 t que pesaron en 72 remolques. Las producciones medias en forraje verde de las distintas parcelas anduvieron entre las 36 y las 43 t/ha, con un contenido medio en materia seca del 34,5 %. “Sin embargo, en algún archivo vimos algunos datos disparados que alcanzaban hasta las 380 t de materia seca/ha, que eso es imposible. Por esto, teníamos que depurar los datos, porque estos fallos aparecen siempre, pero si queremos tomar buenas decisiones hay que eliminarlos”, comenta el profesor.

La limpieza de los datos se hizo en base a un protocolo que eliminaba los datos con un contenido de humedad muy bajo y los que se apartaban en más de una desviación típica del promedio.

Aplicando esto, “los datos ya cambiaban”. Al reducir la dispersión de los datos las medias de producción, por lo general, no variaban mucho y el contenido en materia seca se reducía un poco. “Aunque estas cifras medias no tenían una gran variación, el mapa resultante sí que resultaba afectado. Vimos como había zonas que estaban marcadas en verde (producción alta) que pasaron a rojo (producción baja) o viceversa”, aclara Javier.

El profesor concluye afirmando que este “es un primer estudio” y sólo centrado en una campaña. Aun así, afirma que “la obtención de esta información tiene un coste reducido, porque los sensores son accesibles. Sólo es necesario analizar toda la información y sacar buenas conclusiones para optimizar los rendimientos de las fincas”.

Aplicación de las nuevas tecnologías en las empresas

Desde el 2018, en Marcos Otero SL estuvieron recogiendo datos sobre el tipo de semilla que emplearon, la colocación en el terreno, la aplicación de fitosanitarios, etc. En cuanto a recolección “lo que hacíamos hasta ahora era una valoración visual sobre el terreno y si teníamos báscula pesábamos los remolques que salían de la finca para saber las cantidades”, explica Marcos Otero, jefe de la firma. Asimismo, apunta que con los resultados obtenidos en Millopreciso podrán hacer un estudio más preciso ya que el mapa otorga muchos más datos. “De este modo podremos elaborar una percepción de la siembra más fiable, acertar más en la aplicación de fitosanitarios y abonos y por lo tanto obtener un mayor aprovechamiento del terreno y rendimiento de los insumos”.

Mayor rendimiento de las fincas y abaratamiento de los costes, dos factores importantes que destacan en Granxa Ladrela

Por su parte, el ganadero Francisco López, destaca que “es importante el proyecto Millopreciso para conseguir mayor rendimiento de sus fincas y abaratar los costes”. Con toda la información, según explica, puede tener un amplio conocimiento sobre la situación de sus parcelas y de la cosecha que obtiene en cada campaña.