🔬 Un estudio propone AGR-DCRL, un modelo de aprendizaje profundo y refuerzo para predecir el rendimiento de cultivos en agricultura de precisión. Al probarlo con datos de sensores para cultivo inteligente, los autores informan un 4 % más de acierto, un 69 % menos de error y un 20 % menos de tiempo de predicción frente a enfoques convencionales.
El sistema reúne datos de tecnologías IoT sobre el clima, el suelo y el uso de pesticidas. Después crea nuevas muestras, rellena valores ausentes, detecta valores atípicos y selecciona las variables más relevantes antes de estimar el rendimiento.
La capa final combina las características extraídas y las muestras mediante regresión logística politómica. El modelo clasifica los resultados en varias categorías y ajusta de forma iterativa sus valores Q según el error y las recompensas, hasta converger.
✅ Una predicción más acertada podría ayudar a gestionar mejor la producción y los recursos agrícolas. El resultado procede de una evaluación en un conjunto de datos concreto y de la comparación con enfoques convencionales; faltan pruebas con otros cultivos, condiciones y datos para saber si el rendimiento se mantiene.
