La capa analítica entre la detección y la prescripción

Un satélite indica que un campo está estresado. SpectraRx indica qué está mal, por qué y qué aplicar.

En esta demo sintética fundamentada en la física para un cultivo y una geografía, el NDVI puede señalar el estrés por nitrógeno, hídrico y fúngico con el mismo color ámbar. SpectraRx lee la curva completa de 424 bandas en cada píxel, identifica la causa, genera una prescripción de tasa variable con la geometría real de la barra de pulverización y crea una plantilla de registro de tipo MIP para revisión. Los píxeles que no pueden respaldarse desvían la incertidumbre hacia el muestreo sobre el terreno.

0.887

Macro-F1 al separar tipos de estrés

CNN espectral de 424 bandas frente al 0.69 del referente Sentinel-2, en un conjunto retenido de 1.280 píxeles

424 bandas

Curva completa de VNIR y SWIR por píxel

De 400 a 2.515 nm a través del visible, el infrarrojo cercano y el infrarrojo de onda corta

De 0.887 a 0.373

Exactitud sin corrección atmosférica

La calibración es estructural, medida en la app

Esta es una demo ejecutable. Las escenas hiperespectrales son cubos sintéticos fundamentados en la física, y los conectores con sensores en vivo y maquinaria agrícola no están implementados. El clasificador entrenado, las puertas deterministas, los formatos de exportación y la plantilla de registro de tipo MIP generada se ejecutan exactamente como se muestra.

Una alerta de «estrés» sin causa no es una decisión

La brecha entre detectar un problema y tomar medidas al respecto.

La monitorización multiespectral y el NDVI pueden teñir de ámbar una gran parcela de maíz y clasificarla como estresada. No identifican la causa. El déficit de nitrógeno, el déficit hídrico y una infección fúngica temprana requieren respuestas distintas, mientras que la alerta de estrés proporciona al operador un único color para todas ellas.

El coste de hacer suposiciones es operativo. Un diagnóstico erróneo gasta una pasada de aplicación en el problema equivocado, mientras que una señal de enfermedad pasada por alto reduce el tiempo para actuar. Una sola mancha ámbar no localiza nada de eso.

La solución honesta no es un mapa de calor más vistoso. Es una capa analítica que lee la física del cultivo, separa las causas y desvía las zonas de alta abstención al muestreo sobre el terreno cuando no se puede confiar en los datos subyacentes. Esa es la capa que construimos.

Cómo funciona SpectraRx

Una cadena determinista: adquirir, calibrar, diagnosticar, filtrar por puertas, prescribir, registrar. El clasificador propone un diagnóstico; el código decide si es seguro actuar en función de él.

Cada escena es un cubo hiperespectral de 424 bandas que abarcan de 400 a 2.515 nm en el visible, el infrarrojo cercano y el infrarrojo de onda corta. Una corrección atmosférica de línea empírica recupera la reflectancia de la superficie en la base de la atmósfera a partir de la radiancia en la parte superior de la atmósfera y estampa un indicador de procedencia de calibración por escena. Una CNN espectral 1D personalizada, escrita desde cero en numpy puro con convolución real, retropropagación y Adam, clasifica la curva completa de cada píxel en sano, deficiencia de nitrógeno, estrés hídrico o mancha de asfalto temprana, con escalado de temperatura para que su confianza esté calibrada. Un modelo de características físicas de banda estrecha y el referente de banda ancha real Sentinel-2 se ejecutan en paralelo como líneas base.

Tres puertas situadas fuera del modelo

La confianza nunca depende del propio informe de confianza del modelo. Antes de que cualquier píxel se convierta en una prescripción, pasa por tres comprobaciones deterministas.

1. Procedencia de calibración

La corrección atmosférica estampa un indicador de procedencia por escena. En el modo de omisión deliberada, los datos brutos de la parte superior de la atmósfera llegan al clasificador para que las puertas posteriores de confianza y concordancia física puedan exponer la ruta de fallo.

2. Confianza y ambigüedad

Los píxeles con baja confianza o de firma mixta se abstienen en lugar de forzar una clase. Las zonas con un 34 por ciento o más de píxeles abstenidos se desvían a muestreo sobre el terreno; las demás zonas utilizan su mayoría no abstenida para la prescripción.

3. Concordancia física

Si la CNN propone una clase pero el rasgo físico documentado discrepa (indica nitrógeno, pero el borde rojo no se desplazó), el píxel se abstiene. Una afirmación debe coincidir con la espectroscopía.

Del diagnóstico a un plan listo para la barra de pulverización y una plantilla de registro revisable

El mapa de diagnóstico tipificado se agrega desde píxeles de 5 m a celdas de gestión de 25 m utilizando un perfil de barra de pulverización de 27 m. La geometría de la maquinaria forma parte del cálculo, no es una ocurrencia tardía. Las dosis agronómicas siguen las reglas de diagnóstico configuradas, incluida una regla de fungicida que permite actuar únicamente dentro de la ventana R3 configurada. El plan se exporta como ISO-XML y GeoJSON.

A continuación, la demo genera una plantilla de registro de tipo MIP alineada con Farm to Fork de la UE a partir del diagnóstico y la prescripción para la revisión del agrónomo y de cumplimiento. No ofrece una presentación regulatoria en vivo ni un conector directo. El único lugar donde un modelo de lenguaje puede intervenir en este flujo es en la redacción del texto de justificación a partir de hechos ya calculados, y recurre por defecto a una plantilla de respaldo para que la demo funcione sin clave de API.

La mancha ámbar, procesada de extremo a extremo

La escena sintética fundamentada en la física de la demo. Cada imagen a continuación es una captura de pantalla de la aplicación en ejecución.

Un solo color para tres problemas diferentes

La pestaña de NDVI muestra el campo tal como lo entrega un servicio de monitorización satelital: una región ámbar en el cuadrante noreste, etiquetada como estresada, sin causa ni prescripción. Este es el punto de partida que todo equipo de agricultura de precisión ya tiene, y el punto donde la decisión se estanca.

La pestaña satelital de NDVI muestra una región estresada en color ámbar con el pie de foto «una mancha, sin causa, sin prescripción», y el panel de veredicto aún inactivo.
La vista NDVI: una mancha ámbar, sin causa, sin prescripción.

La mancha se resuelve en zonas tipificadas

Al ejecutar «Diagnose field», esa única región ámbar se divide en causas diferenciadas: deficiencia de nitrógeno en ámbar, estrés hídrico en azul y mancha de asfalto temprana en rojo, con los píxeles rayados abstenidos y desviados a muestreo sobre el terreno. En esta escena sintética retenida y fundamentada en la física, el panel de veredicto informa una macro-F1 de 0.89 para SpectraRx frente a 0.69 para el referente Sentinel-2, una exactitud calibrada de 0.89 y un 20.1 por ciento del campo abstenido. Un solo mapa se convierte en tres tareas distintas.

Vista de diagnóstico de SpectraRx: la mancha ámbar resuelta en zonas de nitrógeno (ámbar), agua (azul) y mancha de asfalto temprana (rojo) con píxeles abstenidos rayados, y un panel de veredicto que indica macro-F1 de 0.89 para SpectraRx, 0.69 para Sentinel-2 y un 20.1 por ciento del área del campo abstenida.
El diagnóstico: zonas de nitrógeno (ámbar), agua (azul), mancha de asfalto (rojo) y abstenidas (rayadas), con el veredicto del conjunto retenido.

El modelo lee la física, no los datos

La objeción evidente a cualquier clasificador de cultivos es que memorizó la forma de sus propios datos de entrenamiento. El inspector espectral responde directamente a parte de esa cuestión. Para la mancha de asfalto, el trazado de prominencia de bandas calculado de forma independiente alcanza su punto máximo en los intervalos muestreados de 530 y 535 nm más cercanos al diagnóstico del PRI cerca de 531 nm. Para el nitrógeno, pondera el borde rojo de 680 a 720 nm. El sistema comprueba por separado los diagnósticos hídricos documentados en SWIR de 970, 1.450 y 1.940 nm; esas comprobaciones no se presentan como los picos de prominencia más altos de la CNN.

El inspector espectral para un píxel de mancha de asfalto temprana que muestra una curva de reflectancia de 424 bandas y un trazado naranja de prominencia de bandas con picos en los intervalos muestreados de 530 y 535 nm cerca del diagnóstico de PRI.
La prominencia de la mancha de asfalto alcanza su pico en los intervalos muestreados de 530 y 535 nm más cercanos al diagnóstico de PRI cerca de 531 nm.

La calibración es estructural, y el modelo lo reconoce

Activar la opción «Skip atmospheric correction» alimenta al clasificador con radiancia bruta de la parte superior de la atmósfera. La exactitud se desploma de 0.887 a 0.373; el 92.2 por ciento de los píxeles se abstiene y 140 de las 144 zonas de gestión se desvían a muestreo sobre el terreno. Cuatro zonas de estrés hídrico todavía se aplican bajo la regla de zona, por lo que se trata de una salvaguarda inspeccionable en lugar de un bloqueo universal.

La vista de diagnóstico con la opción «Skip atmospheric correction» activada: el mosaico de exactitud muestra 0.37 no calibrado y el mosaico de área de campo abstenida muestra 92.2 por ciento, con la mayor parte del campo rayada y desviada a muestreo.
Si se omite la corrección atmosférica, la exactitud cae a 0.37, con un 92.2 por ciento del campo abstenido en lugar de recibir una prescripción errónea.

Una prescripción que una barra de pulverización puede ejecutar y una plantilla de registro para revisión

El diagnóstico se convierte en 144 celdas de gestión con un perfil de barra de 27 m y una resolución de 25 m: 21 zonas de aplicación, 25 para muestreo y 98 ya sanas. Cada zona de aplicación incluye un producto y una dosis bajo las reglas de prescripción deterministas de la demo. Se exporta como ISO-XML y GeoJSON, y como registro de tipo MIP de Farm to Fork de la UE, que enumera las geocoordenadas por zona, la evidencia espectral, las alternativas evaluadas, el plazo límite de R3 y una línea de firma para un agrónomo certificado.

La tabla de prescripción de tasa variable con barra de 27 m y celdas de gestión de 25 m, estado fenológico V12, que enumera diagnósticos, productos y dosis por zona, con botones de exportación para ISO-XML, GeoJSON y el registro de pulverización MIP de Farm to Fork de la UE.
La prescripción de tasa variable: productos y dosis por zona con geometría real de la barra de pulverización, exportable a ISO-XML y GeoJSON.
El registro de pulverización MIP de Farm to Fork de la UE que enumera las geocoordenadas por zona, la característica espectral activada como el índice de reflectancia fotoquímica deprimido a 531 nm, producto y dosis, plazo límite de R3, alternativas evaluadas y una línea de fecha y firma de un agrónomo certificado.
El registro MIP de Farm to Fork de la UE, con evidencia espectral por zona y una línea de firma de un agrónomo certificado.

Donde el referente de banda ancha es estructuralmente ciego

En la prueba sintética de cultivar y suelo retenida de 1.280 píxeles y fundamentada en la física, SpectraRx obtiene una macro-F1 de 0.887 frente a 0.69 para el referente Sentinel-2 y 0.856 para un modelo de características físicas de banda estrecha. Por clase, el referente es una línea base genuinamente sólida en nitrógeno, cerca de 1.0. Queda rezagado en agua, 0.63 frente a 0.97, y en mancha de asfalto temprana, 0.61 frente a 0.77. Este es un resultado de mecanismo, no una garantía de campo.

La pantalla de benchmark que muestra las barras de F1 por clase para SpectraRx frente a Sentinel-2: sano 0.81 frente a 0.52, nitrógeno 1.00 frente a 1.00, agua 0.97 frente a 0.63, mancha de asfalto 0.77 frente a 0.61, además de una matriz de confusión y la evaluación en vivo de SpectraRx al 88.7 por ciento frente al 69.2 por ciento de Sentinel-2.
F1 por clase en el conjunto retenido: el referente iguala en nitrógeno pero queda atrás en agua y mancha de asfalto, donde la banda ancha es ciega.

Banda ancha de Sentinel-2 frente a SpectraRx

El mismo referente contra el que la demo hace el benchmark, lado a lado. Es una línea base real y sólida, no un muñeco de paja.

Dimensión Referente de banda ancha Sentinel-2 SpectraRx
Bandas leídas por píxel 13 de banda ancha 424, VNIR y SWIR (400 a 2.515 nm)
Separa nitrógeno, agua, mancha de asfalto Nitrógeno sí; agua y mancha de asfalto débilmente Las tres, por píxel
F1 de estrés hídrico (conjunto retenido) 0.63 0.97
F1 de mancha de asfalto temprana (conjunto retenido) 0.61 0.77
Comportamiento en píxeles ambiguos o no calibrados Clasifica de todos modos Se abstiene, desvía a muestreo sobre el terreno
Lo que obtiene Un indicador de estrés Un diagnóstico tipificado, una prescripción de tasa variable y una plantilla de registro revisable de tipo MIP

Lo que esta demo no hace

  • ✓ No utiliza capturas reales de campo. Las escenas son cubos hiperespectrales sintéticos fundamentados en la física; la línea base sana sigue la reflectancia de vegetación verde publicada y las firmas de estrés son perturbaciones físicas documentadas. La exactitud en el mundo real requiere una biblioteca de datos sobre el terreno de dos temporadas, lo cual queda pospuesto.
  • ✓ No presenta la macro-F1 de 0.887 como una garantía en entorno abierto. Es un resultado en un conjunto sintético retenido de desplazamiento de distribución de 1.280 píxeles, para un solo cultivo (maíz) y una sola geografía.
  • ✓ No se conecta a sensores en vivo ni a plataformas de gestión agrícola. Las integraciones con sensores en vivo y los conectores de envío a socios no están implementados. Los formatos de exportación ISO-XML y GeoJSON son reales.
  • ✓ No permite que un modelo de lenguaje tome la decisión. La puerta determinista decide; el LLM opcional únicamente redacta el texto de MIP a partir de hechos calculados, recurre por defecto a una plantilla de respaldo y queda fuera de la ruta de confianza.
  • ✓ No incluye clientes, despliegues, pilotos, testimonios ni cifras de ROI. Aún no existe ninguno. Esta es una demo que demuestra el mecanismo.

Preguntas que realmente hacen los compradores

¿En qué se diferencia esto del NDVI y la monitorización satelital por los que ya pagamos?

El NDVI y la monitorización multiespectral pueden detectar que algo anda mal sin identificar la causa. SpectraRx lee la curva completa de reflectancia de 424 bandas en cada píxel e indica el diagnóstico, las longitudes de onda activadas y la ruta de acción. En la prueba sintética de cultivar y suelo retenida de 1.280 píxeles y fundamentada en la física de la demo, separa los tipos de estrés con una macro-F1 de 0.887 frente a 0.69 para el referente de banda ancha Sentinel-2; el estrés hídrico es de 0.97 frente a 0.63 y la mancha de asfalto temprana es de 0.77 frente a 0.61.

¿Cómo sé que el modelo está leyendo el estrés del cultivo y no solo memorizando sus datos?

Al pasar el cursor sobre cualquier zona en el inspector espectral, este traza una línea de prominencia de bandas que muestra qué longitudes de onda ponderó realmente la CNN, calculada de forma independiente de las propias características del clasificador. La mancha de asfalto está asociada con la banda del índice de reflectancia fotoquímica de 531 nm y el nitrógeno con el borde rojo de 680 a 720 nm. El sistema también comprueba los diagnósticos hídricos documentados en SWIR de 970, 1.450 y 1.940 nm, sin representarlos como los picos de prominencia principales de la CNN. El benchmark es un conjunto sintético retenido de un cultivar y suelo en los que ninguno de los dos modelos fue entrenado.

¿Qué ocurre con los píxeles sobre los que el modelo no está seguro?

Tres puertas deterministas se sitúan fuera del modelo: una puerta de procedencia de calibración, una puerta de confianza y ambigüedad, y una comprobación de concordancia física que se abstiene si la clase de la CNN discrepa del rasgo físico documentado. Las zonas con un 34 por ciento o más de píxeles abstenidos se desvían a muestreo; las demás zonas reciben prescripción a partir de su mayoría no abstenida. En la escena calibrada por defecto, el 20.1 por ciento de los píxeles se abstiene. Esta es una salvaguarda visible, no una pretensión de perfección; el F1 de la mancha de asfalto es de 0.77.

¿Puede realmente controlar nuestra maquinaria de tasa variable o es solo un mapa?

El mapa de diagnóstico se agrega desde píxeles de 5 m a celdas de gestión de 25 m mediante un perfil de barra de 27 m. En la demo eso produce 144 celdas de gestión (21 de aplicación, 25 de muestreo, 98 sanas), con productos y dosis por zona, y se exporta como ISO-XML y GeoJSON. Los formatos de exportación son reales; los conectores de envío a socios en vivo no están implementados en esta demo.

¿Produce esto los registros que necesitamos para el cumplimiento de Farm to Fork y MIP de la UE?

SpectraRx genera de forma determinista una plantilla de registro de tipo MIP de Farm to Fork de la UE a partir del diagnóstico y la prescripción: geocoordenadas, evidencia espectral por zona y cobertura de zona de clase mayoritaria, alternativas evaluadas, el producto y la dosis recomendados, la fecha límite de la ventana de fungicida, la procedencia de calibración, el nombre y versión del modelo, y una línea de firma para un agrónomo certificado. La demo no pretende ofrecer una presentación regulatoria en vivo ni un conector directo.

Las escenas son sintéticas. ¿Por qué debería confiar en los números?

Cada número se reproduce exactamente bajo semillas fijas y se mide en un conjunto retenido de 1.280 píxeles de un cultivar y suelo en los que ninguno de los dos modelos fue entrenado, un desplazamiento de distribución en lugar de memorización. Las escenas son cubos sintéticos fundamentados en la física: la línea base sana sigue la reflectancia de vegetación verde publicada y las firmas de estrés son perturbaciones físicas documentadas inyectadas independientemente del clasificador. Declaramos la macro-F1 de 0.887 como un resultado en ese conjunto sintético etiquetado para un solo cultivo y geografía, nunca como una garantía de campo en entorno abierto. La exactitud en el mundo real requiere una biblioteca de datos de campo de dos temporadas, lo cual es un trabajo pospuesto.

¿Se conectan a nuestros sensores y a John Deere Operations Center en la actualidad?

No en esta demo. Las integraciones con sensores en vivo y los conectores de envío a socios no están implementados. Lo que es real es la cadena analítica: corrección atmosférica, la CNN espectral de 424 bandas, las puertas deterministas, el cálculo de prescripciones y los formatos de exportación ISO-XML, GeoJSON y de tipo MIP. Veriprajna desarrolla analítica agnóstica respecto a sensores; no somos dueños de satélites ni fabricamos sensores.

Investigación técnica

La investigación detrás de esta demo: la arquitectura, el diseño de verificación y el plan empresarial.

¿Cerrando la brecha entre una alerta de estrés y un plan de pulverización?

La parte difícil es la cadena calibrada, con abstención y adaptada a la maquinaria, no el clasificador. Nosotros la construimos.

Si su equipo tiene mapas de estrés sobre los que no puede actuar, el problema interesante es dónde trazar la línea de abstención para su cultivo, sensores y maquinaria. Esa es la conversación que preferimos tener en lugar de una propuesta comercial.

Evaluación de analítica espectral

  • ✓ Mapear dónde una alerta de estrés estanca sus decisiones agronómicas
  • ✓ Definir las longitudes de onda diagnósticas y las clases para sus cultivos
  • ✓ Establecer los umbrales de procedencia de calibración y de abstención
  • ✓ Especificar el registro de MIP que su equipo de cumplimiento debe presentar

Construir la cadena

  • ✓ Un clasificador espectral sobre sus sensores y cultivares
  • ✓ Corrección atmosférica con procedencia por escena
  • ✓ Prescripciones de tasa variable adaptadas a la maquinaria (ISO-XML, GeoJSON)
  • ✓ Plantillas de registro de tipo MIP de Farm to Fork de la UE para revisión
Redes sociales

También publicado en