Malasia desarrolla el sistema que va a cambiar la agricultura: sensores con IA para ahorrar agua y aumentar el rendimiento Omicrono
Malasia cambia la agricultura para siempre: desarrolla sensores y una IA con un 95% de precisión para ahorrar agua
Investigadores de la MMU han presentado una inteligencia artificial capaz de predecir las necesidades hídricas de las plantas.
Más información: Los cultivos en contenedores que cambiarán la agricultura: cosechas transportables que logran duplicar la producción
Las lluvias de este invierno han devuelto a España un respiro temporal a la sequía persistente. Los embalses alcanzaron el 83,3% de su capacidad a finales de marzo de 2026, muy por encima de la media histórica. Pero la mejora es frágil y desigual: el sureste peninsular sigue en situación crítica.
España sigue siendo el país europeo más expuesto a sequías extremas, y la agricultura (que consume más del 70% del agua dulce disponible a nivel global) necesita urgentemente soluciones para regar mejor, no más. Es en ese contexto donde cobran especial relevancia investigaciones como la recién publicada por la Multimedia University (MMU) de Malasia.
Allí, un equipo de investigadores ha desarrollado un sistema capaz de predecir la humedad del subsuelo con una precisión del 95,49%, combinando sensores enterrados en la tierra con IA. Los resultados, publicados en la revista Smart Agricultural Technology, suponen un gran paso adelante en la llamada agricultura de precisión.
Medir con precisión
El riego en la agricultura tradicional funciona, en gran medida, a ciegas. Los agricultores deciden cuándo y cuánto regar basándose en la observación visual, el calendario y la experiencia acumulada año tras año.
El problema es que el estrés hídrico (es decir, que la planta no dispone de suficiente agua para cubrir sus necesidades fisiológicas básicas) no se produce en la superficie, sino en la zona de las raíces, que está a una profundidad de entre 15 y 30 centímetros.
La superficie puede parecer seca mientras las capas profundas aún alimentan a la planta, o estar mojada tras una lluvia mientras las raíces siguen sin agua suficiente. Regar en exceso desperdicia un recurso escaso y puede dañar el cultivo; regar de menos provoca estrés y reduce el rendimiento.
Para solucionar este problema, el equipo liderado por Shamala Maniam eligió como campo de pruebas una plantación de cacao en Perak, al oeste de Malasia. En una parcela de unos 93 metros cuadrados instalaron cinco sensores de humedad, con tres metros de distancia entre cada uno de ellos, a dos profundidades distintas: 15 y 30 centímetros, justo donde se desarrollan las raíces.
Cada sensor hacía una medición cada 10 minutos. Al mismo tiempo, una estación meteorológica cercana registraba la lluvia, la temperatura del aire, la humedad relativa y la radiación solar cada 30 minutos.
Para mantener el sistema funcionando de forma autónoma en el campo, la red de sensores cuenta con paneles solares que los hacen independientes de la red eléctrica. Los datos de cada sensor pasan primero por un nodo central y, desde ahí, se suben a la nube para ser procesados.
Los investigadores malayos cuentan con un laboratorio para experimentar con los sensores. Omicrono
La calidad de esos datos es crítica, ya que son los encargados de entrenar un modelo de inteligencia artificial desarrollado por los investigadores. La IA aprende del orden y la continuidad de las mediciones: si hay huecos o lecturas irregulares, los patrones se rompen y las predicciones se deterioran. Por eso el equipo dedicó una parte importante del trabajo a garantizar series de datos limpias y completas.
Una IA con memoria
El modelo elegido por Maniam y sus compañeros es el llamado RNN-LSTM (Recurrent Neural Network – Long Short-Term Memory), un tipo de red neuronal diseñado para aprender de datos que varían con el tiempo.
A diferencia de una red neuronal convencional, el LSTM tiene memoria: puede recordar que una lluvia intensa de hace tres horas todavía está filtrándose hacia las capas más profundas del suelo, o que una temperatura alta de ayer va a reducir la humedad disponible para las raíces esta tarde.
La lluvia, la evaporación y la absorción de las raíces actúan con horas de retardo, y el modelo aprende a capturar exactamente esos efectos, aunque sean diferidos en el tiempo.
![El sistema de riego inteligente Rocket 2.0.](["https:\/\/s3.elespanol.com\/2025\/02\/11\/omicrono\/tecnologia\/923417813_253014619_320x180.jpg"])
En la práctica, el sistema no funciona como un 'interruptor' para activar y desactivar el riego, sino como una estimación continua de cuándo el suelo va a volverse más húmedo o más seco. Así, ofrece una predicción dinámica que se actualiza con cada nueva lectura, con un margen de error en torno al 5%.
El sistema demostró ser muy fiable en condiciones estables, pero encontró su límite cuando se produjo lluvia intensa y repentina. En esos momentos, la humedad del suelo se disparaba en picos bruscos que no se parecían a los patrones habituales con los que el modelo había aprendido, y las predicciones se desviaban más de lo aceptable.
Para corregirlo, los investigadores ajustaron el proceso de entrenamiento con una técnica llamada Huber loss, una función matemática que reduce el peso de los errores extremos y evita que esos picos puntuales distorsionen el aprendizaje del modelo.
El ajuste mejoró el rendimiento general del sistema, aunque los investigadores reconocen que eventos meteorológicos como las lluvias torrenciales, tan frecuentes en países tropicales como Malasia, siguen siendo el principal reto por superar.
Panel de control
El objetivo de los investigadores no es desarrollar un sistema completamente autónomo. De hecho, durante el experimento, el prototipo no activó ni cerró las válvulas de riego por sí mismo, sino que registraba datos y trasladaba esa información a un panel de control digital que orientaba las decisiones humanas de riego.
El motivo no es sólo técnico, sino también económico y de escalabilidad. Un sistema de apoyo a la decisión como este es mucho más fácil de adoptar en el mundo real que uno completamente autónomo, que requeriría más hardware, más infraestructura y un nivel de confianza en la IA al que todavía no se ha llegado.
Los investigadores en el laboratorio de agricultura inteligente. Omicrono
El estudio es fruto de años de trabajo. La MMU lleva apostando por la agricultura inteligente desde 2021, cuando la universidad puso en marcha su IoT-Based Smart Farming Lab, un laboratorio especializado en sistemas de cultivo de precisión con tecnología conectada, desarrollado en colaboración con la empresa MSDI.
De momento, el sistema parece adaptado a las condiciones de Malasia, un país con lluvias abundantes y suelos muy distintos a los del Mediterráneo español, pero la intención de los autores es ampliar las pruebas a parcelas mayores, adaptarlas a diferentes tipos de suelo y a más estaciones del año, incluidos periodos de sequía prolongada.
En regiones como el sureste español, donde el agua escasea y la agricultura de regadío es vital, este tipo de herramientas podrían marcar la diferencia entre un cultivo rentable y otro encaminado a la ruina.
