04 — Publicaciones / Explicación

Cerca de la cosecha, la IA
se fijaba en las panículas

Elegir la luz y el tamaño de imagen adecuados para cada etapa hizo más precisas las predicciones

European Journal of Agronomy, 2025 Leer el artículo ↗ 日本語で読むRead in English
Imagen de dron tomada desde arriba de los campos de ensayo de Tomioka, en Fukushima. Arrozales dorados y verdes se alternan con campos marrones ya cosechados.
Los campos del estudio en Tomioka, prefectura de Fukushima.Adaptado de la figura 2 de Yamaguchi et al. (2025), CC BY-NC 4.0

Usamos imágenes de dron de arrozales e inteligencia artificial (IA) para predecir cuánto arroz dará un campo. Esta vez cambiamos el momento de la toma, los tipos de luz de cada imagen y la superficie que abarcaba cada una, para encontrar la combinación más precisa. Cerca de la cosecha, lo mejor fue una combinación de luz que incluía el llamado borde rojo, junto con un recorte algo más amplio que la parcela cosechada. Los mapas de dónde miraba la IA mostraron que, cerca de la cosecha, se fijaba en las panículas (las espigas), lo que explica estos resultados.

Puntos clave

  1. La mejor combinación de luz dependió del momento en que se tomaron las imágenes. Cerca de la cosecha, el verde, el infrarrojo cercano y el borde rojo dieron las predicciones más precisas.
  2. Recortar cada imagen con un margen algo mayor que la parcela cosechada mejoró la precisión. La mejora fue mayor en las imágenes tomadas cerca de la cosecha.
  3. Los mapas de atención mostraron que la IA miraba la planta entera a mitad de la maduración (unas tres semanas después de que salen las panículas) y las panículas cerca de la cosecha, lo que explica los dos resultados anteriores.
Dr. Hoo, ¿en qué parte de la foto se fija la IA para predecir el rendimiento?
Cerca de la cosecha, se fijaba en las panículas del arroz. El estudio lo comprobó con mapas de los lugares donde miraba la IA.
01

¿Por qué predecir el rendimiento del arroz con drones e IA?

El arroz es el cultivo básico más consumido del mundo. Saber cuánto arroz producirá un campo, lo que llamamos rendimiento, es clave para las decisiones de los agricultores y para la planificación de un país.

Los drones se usan cada vez más para estimar el rendimiento. Toman imágenes detalladas cuando hacen falta, algo muy útil en Japón, donde los campos son pequeños y el tiempo suele ser nublado o lluvioso.

Para predecir el rendimiento a partir de imágenes, la IA más usada es la red neuronal convolucional (CNN, por sus siglas en inglés), un tipo de aprendizaje profundo que descubre por sí mismo los rasgos útiles de la imagen.

El arroz cambia deprisa mientras madura

¿De verdad cambia tanto el arroz antes de la cosecha?
Sí. Las panículas cambian de color y las hojas empiezan a secarse. Las panículas, ya pesadas, se inclinan y sobresalen de la planta.

Tras el espigado, cuando salen las panículas (las espigas que llevan los granos), los granos se van llenando, una etapa llamada maduración. Estudios previos con drones y CNN mostraron que las imágenes tomadas desde la mitad de la maduración en adelante dan predicciones más precisas y estables.

Sin embargo, las plantas siguen cambiando a medida que se acerca la cosecha. Los granos se llenan y las panículas se doran, mientras las hojas empiezan a secarse. Las panículas, ya pesadas, se inclinan hacia los huecos entre plantas y hacia fuera (figura 1).

Vista lateral de plantas de arroz a mitad de la maduración y en la madurez. En la madurez, las panículas están doradas y caen más allá de las líneas discontinuas que marcan los bordes de la parcela cosechada.
Figura 1 Así cambia el arroz desde la mitad de la maduración hasta la cosecha. Las panículas se doran, ganan peso y caen más allá del borde de la planta. Las líneas discontinuas marcan los bordes de la parcela cosechada.

Por eso, la luz más útil y la superficie que conviene incluir en cada imagen podrían depender del momento de la toma. Estas condiciones de las imágenes de entrada no se habían estudiado en detalle.

Otro reto es que cuesta ver por qué una IA da una respuesta concreta. Los métodos que muestran las razones de una IA de forma comprensible se llaman IA explicable (XAI). En las ciencias agrarias, casi no se había aplicado la XAI a redes CNN que predicen valores numéricos, como el rendimiento.

Por eso comparamos las condiciones de las imágenes y usamos la XAI para comprobar las razones. Esperábamos que la IA se apoyara en la planta entera a mitad de la maduración y en las panículas cerca de la cosecha.

02

Tres años de imágenes y rendimientos, comparados en muchas condiciones

¿Qué condiciones se compararon?
Se cambiaron cuatro cosas. El momento de las fotos, la combinación de luz, el tamaño del recorte y si se añadían copias desplazadas. Luego se buscó la combinación más precisa.

Los campos y los datos de rendimiento

Hicimos los ensayos de 2021 a 2023 en arrozales de agricultores de Tomioka, en el distrito de Futaba (prefectura de Fukushima, Japón). En 37 campos que sumaban unas 0,9 hectáreas cultivamos cinco variedades propias de la zona (Fukuhibiki, Fukunoka, Gohyakugawa, Sakurafukuhime y Tennotsubu).

Medimos el rendimiento en pequeñas parcelas de seis matas (dos hileras de tres), de 60 cm × 54 cm. Una mata es un grupo de plantas de arroz que crecen juntas. Cosechamos cada parcela, secamos las plantas en un invernadero de plástico, las trillamos y dividimos el peso del grano entre la superficie de la parcela.

En tres años reunimos el rendimiento de 2.184 parcelas. Iba de 1,3 a 13,4 toneladas por hectárea, un rango muy amplio.

Las imágenes del dron

El dron llevaba una cámara multiespectral, que registra la luz por separado para cada color o longitud de onda. También capta el infrarrojo cercano (NIR, por sus siglas en inglés), una luz que nuestros ojos no ven. Usamos luz verde, roja, de borde rojo (red edge) y NIR. El borde rojo es la estrecha franja entre el rojo y el infrarrojo cercano.

Volamos dos veces, a mitad de la maduración (unas tres semanas después del espigado y dos antes de la cosecha) y en la madurez (cerca de la cosecha). En días soleados, el dron voló a 30 o 50 metros de altura, y unimos sus fotos en una sola imagen con posiciones exactas, como un mapa, llamada ortoimagen. Cada píxel cubre unos 2 cm.

Lo que veía la IA

Localizamos cada parcela cosechada en una foto tomada con el dron justo después de la cosecha. Luego recortamos de la imagen del dron un cuadrado centrado en cada parcela y se lo mostramos a la IA (figura 2).

Cada cuadrado reunía tres de los cuatro tipos de luz, igual que una foto en color normal combina el rojo, el verde y el azul.

Cuatro imágenes. Arriba a la izquierda, una foto tomada justo después de la cosecha con una cuadrícula roja sobre 12 parcelas. Las otras tres son imágenes en escala de grises tomadas antes de la cosecha, con cuadrados rojos de 40, 60 y 80 cm alrededor de cada parcela.
Figura 2 Ejemplos de las imágenes que veía la IA. Arriba a la izquierda, una foto tomada justo después de la cosecha, con las 12 parcelas cosechadas en una cuadrícula roja. Las otras tres son imágenes multiespectrales tomadas antes de la cosecha, mostradas en escala de grises, y los cuadrados rojos señalan los recortes.Adaptado de las figuras 3 y 4 de Yamaguchi et al. (2025), CC BY-NC 4.0

La IA que predice el rendimiento

Para predecir usamos una CNN. Una CNN recorre la imagen con filtros pequeños para detectar patrones y los combina capa a capa hasta dar un solo número, el rendimiento (figura 3).

Para entrenarla, le mostramos muchas imágenes junto con el rendimiento medido en el campo. La CNN ajusta poco a poco sus valores internos para reducir la diferencia entre lo que predice y lo medido. De los tres diseños de CNN que probamos, el más preciso fue Xception.

Esquema de una CNN. Entra una imagen formada por tres tipos de luz, varias capas de filtros pequeños detectan patrones y sale un rendimiento predicho. Este se compara con el rendimiento medido y la red se ajusta para reducir la diferencia.
Figura 3 Cómo predice una CNN el rendimiento a partir de una imagen. Filtros pequeños buscan patrones y las capas los combinan. La red aprende ajustándose una y otra vez para reducir la diferencia con el rendimiento medido.

Comprobamos la precisión solo con parcelas no usadas para entrenar. Dividimos los datos en grupos, entrenamos con todos menos uno, probamos con el que quedó fuera, repetimos con cada grupo y promediamos los resultados. Este método se llama validación cruzada.

Las cuatro condiciones que comparamos

Variamos cuatro condiciones (figura 4). La primera fue el momento, a mitad de la maduración o en la madurez. La segunda, la combinación de luz. Elegir tres de los cuatro tipos da cuatro opciones.

La tercera fue el tamaño del recorte. Probamos cuadrados de 40, 60 y 80 cm de lado, es decir, uno menor, otro casi igual y otro mayor que la parcela de 60 cm × 54 cm. Un cuadrado más amplio podría captar más información, como las panículas caídas, pero también podría incluir plantas vecinas y confundir la predicción.

La cuarta fue añadir o no copias desplazadas. Movimos el cuadrado 10 cm y dimos a la nueva imagen el mismo rendimiento que a la original (en el artículo se llama extracción con búfer). Lo desplazamos en 4 direcciones (arriba, abajo, izquierda y derecha) o en 8 (sumando las diagonales), lo que multiplicó los datos de entrenamiento por 5 o por 9.

Resumen de las cuatro condiciones. El momento tiene 2 opciones, la combinación de luz 4, el tamaño del recorte 3 (cuadrados de 40, 60 y 80 cm) y las copias desplazadas 3 (ninguna, 4 u 8).
Figura 4 Las cuatro condiciones que comparamos. Los tres recortes están centrados en la parcela cosechada de seis matas (60 cm × 54 cm). Las copias desplazadas se añadieron solo a los datos de entrenamiento.

Comparamos en dos pasos. Primero, las combinaciones de luz en cada etapa. Después, con la mejor combinación de cada etapa, los tamaños de recorte y el número de copias desplazadas.

Gohyakugawa se acamó (se cayó) en casi todo el campo en 2021, así que descartamos sus datos de ese año. Como no había imágenes suyas de mitad de la maduración en otros años, esa etapa se comparó con las otras cuatro variedades.

Ver dónde miraba la IA

¿Se puede saber de verdad dónde miraba la IA?
Una forma es borrar un punto de la imagen y volver a predecir. Cuanto más cambia la predicción, más se apoyaba la IA en ese punto.

Para el modelo más preciso de cada etapa, usamos dos métodos para representar en mapas qué partes de la imagen usaba la IA. Estos mapas, que muestran valores con colores, se llaman mapas de calor.

El primer método es la sensibilidad a la oclusión. Borramos un punto de la imagen (ponemos su valor a cero), volvemos a predecir y vemos cuánto cambia la predicción. Cuanto mayor es el cambio, más se apoyaba la IA en ese punto. Repetimos esto en cada punto (figura 5).

Los cuatro pasos de la sensibilidad a la oclusión. Se predice con la imagen, se borra un punto en negro y se vuelve a predecir, se pinta el punto más claro cuanto más cambia la predicción y se repite en cada punto para formar un mapa.
Figura 5 Cómo funciona la sensibilidad a la oclusión. Se borra un punto, se vuelve a predecir y se pinta ese punto más claro cuanto más cambia la predicción. Al repetirlo en cada punto se obtiene un mapa de lo que usaba la IA.

El segundo es el método del gradiente. Calcula de una sola vez cuánto cambiaría la predicción si el valor de cada punto variara un poco. Aplicamos ambos métodos a una imagen por variedad en cada etapa.

03

La mejor luz y el mejor tamaño de imagen dependieron de la etapa

¿Qué combinación funcionó mejor?
Cerca de la cosecha, el verde, el infrarrojo cercano y el borde rojo. Recortar las imágenes con algo más de margen hizo las predicciones aún más precisas.

Combinaciones de luz

Medimos la precisión sobre todo con el coeficiente de determinación (R²). Indica cuánto se parecen las predicciones a los valores medidos, y cuanto más cerca de 1, mejor.

A mitad de la maduración, la combinación de verde, rojo y NIR fue la más precisa (R² = 0,401). En la madurez, la mejor fue verde, NIR y borde rojo (R² = 0,441).

En ambas etapas, la combinación de verde, rojo y borde rojo, la única sin NIR, dio los valores más bajos (figura 6). Se sabe que el NIR capta bien la cantidad de hojas y el tamaño de las plantas, y parece importante también para predecir el rendimiento. El borde rojo fue más útil en las imágenes de la madurez.

Gráfico de barras del R² para cada combinación de luz. A mitad de la maduración, verde, rojo y NIR es la más alta con 0,401. En la madurez, verde, NIR y borde rojo es la más alta con 0,441. En ambas etapas, verde, rojo y borde rojo es la más baja.
Figura 6 Precisión de la predicción (R²) para cada combinación de luz. Las barras verde oscuro muestran el mejor valor de cada etapa. En ambas etapas, la combinación sin NIR fue la más baja.Elaborado con los valores publicados en Yamaguchi et al. (2025)

Tamaño del recorte y copias desplazadas

En ambas etapas, la precisión tendió a subir al ampliar el cuadrado y al añadir más copias desplazadas (figura 7).

En la madurez, el cuadrado más amplio (80 cm) con 8 copias desplazadas fue el más preciso. Su R² de 0,492 fue el más alto del estudio, y el error de predicción rondó el 15 % del rendimiento medio (RRMSE = 0,148).

A mitad de la maduración, lo mejor fueron los cuadrados de 60 u 80 cm con 4 u 8 copias desplazadas, todos con un R² de 0,455. La ventaja de un cuadrado más amplio fue mayor en la madurez.

Dos tablas de R² según el tamaño del recorte y el número de copias desplazadas. El mejor valor es 0,455 a mitad de la maduración y 0,492 en la madurez, con cuadrados de 80 cm y 8 copias. Los valores tienden a subir con cuadrados más amplios y más copias.
Figura 7 R² para cada tamaño de recorte y número de copias desplazadas. Las celdas más oscuras son más precisas, y el marco dorado señala el mejor valor de cada etapa.Elaborado con los valores publicados en Yamaguchi et al. (2025)

Las plantas de arroz extienden sus hojas y panículas más allá de la parcela cosechada. Un cuadrado algo más amplio parece captar mejor las plantas de cada parcela. Hasta ahora, lo habitual era recortar las imágenes al mismo tamaño que la zona cosechada. Mostrar que un recorte algo más amplio mejora la precisión es una aportación nueva de este estudio.

Dónde miraba la IA

¿La IA miraba sitios distintos según la etapa?
A mitad de la maduración miraba la planta entera, y cerca de la cosecha, las panículas. Las panículas se inclinan hacia fuera y responden mucho al borde rojo. Eso encaja bien con los resultados anteriores.

Los mapas de calor muestran que, a mitad de la maduración, la IA repartía su atención por igual en toda la zona con plantas. En la madurez se fijaba mucho en las panículas, mientras que en las hojas se mezclaban zonas a las que prestaba atención con otras que casi ignoraba (figura 8).

Los dos métodos mostraron el mismo patrón, que se repitió en todas las variedades aunque las fechas de vuelo variaron unos días entre variedades y años. La IA también prestó atención a panículas situadas fuera de la parcela cosechada.

Imágenes de dron de una parcela de Fukunoka y mapas de calor de dos métodos. A mitad de la maduración la atención se reparte por toda la imagen. En la madurez es fuerte dentro de óvalos naranjas sobre las panículas y débil dentro de óvalos blancos sobre las hojas.
Figura 8 Mapas de dónde miraba la IA, en la variedad Fukunoka. La columna izquierda corresponde a la mitad de la maduración y la derecha a la madurez. En las filas central e inferior, las zonas más claras o más rojas atrajeron más atención. Los óvalos naranjas señalan panículas que recibieron mucha atención, los blancos señalan hojas que recibieron poca, y el marco rojo muestra la posición aproximada de la parcela cosechada. Los mapas están suavizados para leerlos mejor.Adaptado de la figura 8 de Yamaguchi et al. (2025), CC BY-NC 4.0

Que la IA se fijara en las panículas en la madurez encaja con los dos resultados anteriores. Otros estudios indican que el borde rojo responde a las panículas una vez que salen, cuando cambian de color y de forma. Además, un cuadrado algo más amplio recoge también las panículas que caen hacia fuera, lo que probablemente mejoró la precisión.

04

Hacia predicciones de rendimiento más precisas y fiables

¿Para qué sirve saber dónde mira la IA?
Si la IA mira lugares que tienen sentido según cómo crece el arroz, se puede confiar más en sus predicciones. También ayuda a encontrar los puntos débiles del modelo.
Figura de resumen del artículo, en inglés. Tres paneles muestran los antecedentes y la hipótesis, las condiciones de imagen comparadas y las mejores condiciones de cada etapa con los resultados de la XAI.
Figura 9 Todo el estudio en una sola imagen (en inglés).Resumen gráfico de Yamaguchi et al. (2025), CC BY-NC 4.0

Este estudio muestra que, al predecir el rendimiento del arroz con drones y CNN, conviene ajustar las imágenes de entrada a la etapa del cultivo. Cerca de la cosecha funcionan bien una combinación de luz con borde rojo y un cuadrado algo más amplio que la parcela cosechada.

Unas predicciones más precisas podrían ayudar a elaborar mejores mapas de rendimiento, que muestran dónde rinde más un campo y dónde menos. Conocer el rendimiento con antelación ayuda a los agricultores a tomar decisiones.

Los resultados de la XAI también importan. Si los lugares en los que se fija una IA tienen sentido según cómo crece el arroz, podemos confiar más en sus predicciones.

¿Qué precisión tiene?

Nuestros valores de R² (de 0,347 a 0,492) son más bajos que los de estudios con drones y CNN en soja y trigo, pero parecidos a los de estudios previos en arroz. Son muy superiores a los de las predicciones con índices de vegetación, medidas sencillas del verdor calculadas a partir de la luz reflejada. Nuestros datos abarcan tres años, cinco variedades y un rango amplio de rendimientos, y consideramos que esta precisión basta para comparar condiciones de imagen.

Lo que aún no sabemos

Estos resultados proceden del arroz. Aún no hemos comprobado si las mismas condiciones sirven para cultivos como el maíz o el trigo. En ellos, las espigas se inclinan menos y cambian de color de otra manera, así que las mejores condiciones también podrían ser distintas.

Además, solo tomamos imágenes en dos etapas. Otros estudios indican que combinar imágenes de más etapas mejora la precisión, pero cada vuelo adicional cuesta tiempo y dinero. Encontrar el equilibrio es una tarea pendiente.

Próximos pasos

Comprobar dónde mira una IA también puede revelar puntos débiles del modelo actual y ayudar a mejorarlo. Queremos construir modelos más fiables que, desde el punto de vista agronómico, se fijen en las partes correctas de la planta.

Entonces, cerca de la cosecha conviene recortar con algo más de margen para que entren las panículas.
Exacto. Eso sí, se comprobó en el arroz. Aún no se sabe si ocurre lo mismo con el maíz o el trigo.

Glosario

Panícula
La espiga del arroz. Es el racimo ramificado que se forma en lo alto del tallo, donde crecen los granos, y se inclina a medida que los granos se llenan.
Cámara multiespectral
Cámara que registra la luz por separado para cada color o longitud de onda. También capta el infrarrojo cercano, que nuestros ojos no ven.
Infrarrojo cercano (NIR) y borde rojo
El infrarrojo cercano tiene longitudes de onda más largas que el rojo y es invisible para nosotros. Capta bien la cantidad de hojas y el tamaño de las plantas. El borde rojo es la franja entre el rojo y el infrarrojo cercano.
Red neuronal convolucional (CNN)
Tipo de IA, una forma de aprendizaje profundo, que recorre una imagen con filtros pequeños y combina en muchas capas los patrones que encuentra.
IA explicable (XAI)
Métodos que muestran, de forma comprensible, por qué una IA dio su respuesta. Aquí los usamos para representar en mapas dónde miraba la IA en cada imagen.
Mapa de calor
Mapa que muestra valores mediante colores o brillo. En este estudio, las zonas más claras o más rojas son aquellas en las que más se fijó la IA.
Sensibilidad a la oclusión y método del gradiente
Dos formas de averiguar dónde mira una IA. Una borra puntos uno a uno y observa cómo cambia la predicción. La otra calcula cuán sensible es la predicción a cada punto.
Mitad de la maduración y madurez
La maduración es la etapa posterior al espigado en la que se llenan los granos. En este estudio, la mitad de la maduración son unas tres semanas después del espigado, y la madurez, la época de la cosecha.
Coeficiente de determinación (R²)
Número que indica cuánto se ajustan las predicciones a las mediciones. Cuanto más cerca de 1, mejor. Un valor de 0 significa que las predicciones no son mejores que decir siempre el promedio.
Validación cruzada
Forma de evaluar un modelo con datos que no ha usado para aprender. Cada grupo de datos sirve por turnos como prueba y se promedian los resultados.

Sobre el artículo

Tomoaki Yamaguchi, Taiga Takamura, Takashi S.T. Tanaka, Taiichiro Ookawa & Keisuke Katsura (2025). A study on optimal input images for rice yield prediction models using CNN with UAV imagery and its reasoning using explainable AI. European Journal of Agronomy, 164, 127512. https://doi.org/10.1016/j.eja.2025.127512

El artículo es de acceso abierto, así que cualquiera puede leerlo gratis. Se publica con la licencia CC BY-NC 4.0, que permite reutilizarlo sin fines comerciales citando la fuente. Algunas figuras de esta página se elaboraron a partir de las del artículo con esa licencia.