Inteligencia Artificial en la Gestión Agrícola: Uso de Modelos de Bosque Aleatorio para la Predicción de Producción y Reserva de Semillas en Brasil

Resumen

Este estudio aborda la aplicación de modelos de Inteligencia Artificial (IA), más específicamente de bosque aleatorio, para la predicción de la producción y reserva de semillas en la agricultura brasileña. El objetivo principal es contribuir al avance en la gestión y planificación de recursos, una acción crítica para aumentar la eficiencia y sostenibilidad del sector. El trabajo se destaca por la importancia de entender el papel de la IA en la optimización de prácticas agrícolas, proporcionando un marco de referencia para investigaciones futuras en la intersección entre tecnologías de IA y agricultura. Metodológicamente, el estudio implementó un riguroso proceso de recolección y procesamiento de datos proporcionados por el Ministerio de Agricultura y Ganadería de Brasil, cubriendo las cosechas de 2016/2017 a 2023/2024. La limpieza de datos precedió a la transformación de las variables categóricas a través de la codificación one-hot y la subsiguiente división del conjunto de datos en un 80% para entrenamiento y un 20% para pruebas. Utilizando la biblioteca scikit-learn, se configuró y evaluó un modelo de bosque aleatorio, empleando técnicas de validación como la división entrenamiento/prueba y la validación cruzada, además de las métricas de error cuadrático medio (MSE) y coeficiente de determinación (R²) para medir la precisión y eficacia del modelo. Los resultados indican una correlación positiva moderada a fuerte entre las variables de tiempo y cantidad de semillas reservadas para ambos períodos de cultivo, Safra y Safrinha. Sin embargo, los análisis señalaron una variabilidad anual y una confianza diferenciada en las predicciones entre los períodos, sugiriendo la influencia de factores adicionales y la necesidad de modelos adaptativos. La concentración de la producción en pocas culturas fue identificada como un riesgo potencial, sugiriendo que la diversificación es clave para la resiliencia del sector. La capacidad de generalización del modelo fue evaluada, y el fenómeno de sobreajuste fue considerado una posibilidad ante las variaciones de precisión entre los datos de entrenamiento y prueba. Este estudio refuerza el potencial transformador que los modelos de IA, como el bosque aleatorio, poseen para la predicción y gestión agrícola, abriendo puertas para mejoras futuras y proporcionando subsidios valiosos para decisiones estratégicas basadas en datos en el sector agrícola.

DOI:https://doi.org/10.56238/sevened2024.023-006