Keyla, la talento que usa la inteligencia artificial para contribuir con la agricultura del Perú
• Su proyecto le ha permitido realizar una pasantía en el Laboratorio de Robótica y Machine Learning del Politécnico di Milano, en Italia.
Cuando Keyla Checa Roman le confesó a su mamá que deseaba seguir una carrera distinta a la que estaba estudiando, ella le respondió: “Siempre haz lo que te haga feliz”. Cumplir aquel anhelo fue una de las mejores decisiones que la joven tomó en su vida. Inició su traslado para estudiar Ingeniería Mecánico-Eléctrica y así descubrió su pasión por el uso de la tecnología para la automatización de procesos. Esto le ha llevado a presen tar una tesis que propone la aplicación de la inteligencia artificial para contribuir con los pequeños y medianos agricultores del país. La ganadora de Beca 18 del Programa Nacional de Becas y Crédito Educativo (Pronabec) del Ministerio de Educación explica que cuando los agricultores exportan sus productos al mercado internacional deben cumplir con determinadas normativas que estipulan un nivel máximo de contenido de metales para cada producto particular. Sin embargo, señala que los procesos en la agroindustria peruana son en su mayoría rudimentarios, tradicionales y manuales. “Entonces mi proyecto está enfocado en automatizar la determinación del contenido de un metal pesado en particular, el cadmio, en las plantaciones de cacao”, detalla Keyla. Ella se ha enfocado en predecir el contenido de cadmio en los granos de cacao “de una manera rápida, de fácil acceso, no destructiva y confiable”, a través del Machine Learning y el Deep Learning. Estas son ramas de la inteligencia artificial basadas en el desarrollo de algoritmos, con el fin de que una máquina realice funciones de manera autónoma. La talento realizó su estudio con muestras de diversas zonas cacaoteras del Perú. Además, usó técnicas de obtención de datos a través de imágenes hiperespectrales (imágenes que muestran los colores y patrones de la luz que no podemos ver a simple vista) y de análisis químico de laboratorio para construir sus modelos predictivos, los cuales obtuvieron destacables desempeños.
