Los cultivos también deben cultivarse de forma inteligente con IA, ¿no? Compartimos información sobre el desarrollo de un sistema de predicción agrícola

Se publicó en Hugging Face (https://huggingface.co/spaces/VIDraft/farmlife) la plataforma agrícola integral con IA Farm Life para agricultores de Corea del Sur.

Farm Life resuelve en una sola plataforma tres desafíos clave del campo agrícola. Toma de decisiones de cultivo, determinación del momento de salida al mercado y respuesta temprana a plagas y enfermedades: estos tres componentes se implementaron como motores de IA independientes y se integraron en una sola interfaz.

El primero es la asesoría de expertos en cultivos con IA. Un chatbot especializado en el dominio agrícola basado en GPT responde de inmediato en lenguaje natural sobre métodos de cultivo por tipo de cultivo, estrategias de distribución e incluso manejo de almacenamiento. Desde la elección del ciclo de cultivo, como en “Este año hay que cultivar plátanos”, hasta el manejo posterior a la cosecha, ofrece en una sola experiencia guías personalizadas según producto, región y temporada.

El segundo es el motor de predicción de precios mayoristas. Aplica en paralelo 14 modelos de series de tiempo, como SARIMAX, Holt-Winters y Prophet, sobre 40 años de big data de precios mayoristas acumulados desde 1996. Incorpora como variables exógenas la temperatura y precipitación del servicio meteorológico y el tipo de cambio USD/KRW para ajustar incluso productos con alta volatilidad, y ya completó backtesting con datos reales de 2025. “¿La zanahoria va a subir 90% el próximo mes?” Como también muestra la precisión y la calificación de cada modelo, se puede verificar directamente la base de la predicción.

El tercero es el diagnóstico inmediato de plagas y enfermedades. Al subir una sola foto del cultivo, identifica de inmediato plagas y enfermedades con base en la base de datos estándar nacional NCPMS, y guía paso a paso sobre pesticidas registrados, métodos de control ecológico y medidas para evitar la propagación. “Mi chile debe estar sano~” Al tomar la foto, se puede recibir de inmediato el resultado del diagnóstico y el manual de respuesta.
La pila tecnológica consiste en una aplicación web basada en Streamlit que corre sobre Hugging Face Spaces, y en un entorno Python 3.13 integra statsmodels, scikit-learn, KAMIS API y la API del servicio meteorológico. Los resultados de predicción son material de referencia y se seguirá mejorando el modelo de forma continua.