Uso de machine learning y un sensor de reflectancia del dosel proximal para predecir biomasa y calidad nutricional en forrajes tropicales (Urochloa humidicola)

Camelo, R.A.; Espitia Buitrago, P.; Jauregui, R. (2025) Uso de machine learning y un sensor de reflectancia del dosel proximal para predecir biomasa y calidad nutricional en forrajes tropicales (Urochloa humidicola). Póster preparado para el XIV Congreso de Fitomejoramiento y Producción de Cultivos, 25-27 de Junio Palmira (Colombia). 1 p.

Atributos como la biomasa y la calidad nutricional son características que permiten la selección de mejores pasturas y, por ende, la obtención de mayores cantidades de carne y leche a partir del alimento del ganado (Mendoza et al. 2022). Sin embargo, el método analítico de laboratorio utilizado para calcular estos atributos resulta ineficiente para especies perennes cuando existen cientos de plantas para evaluar (Masenyama et al. 2022). Por lo tanto, es necesario desarrollar métodos que permitan la caracterización y selección de genotipos mediante técnicas no destructivas de alto rendimiento. Para ello, se han utilizado sensores activos de dosel como el Crop Circle Phenom, capaces de medir reflectancia, atributos estructurales y variables climáticas.