Un estudio pionero que será publicado en noviembre de 2025 en la revista Industrial Crops and Products demuestra que las imágenes hiperespectrales de las hojas de abanico del cannabis permiten predecir con gran precisión los niveles de cannabinoides en las flores semanas antes de la cosecha. Esta técnica representa un avance significativo en el monitoreo del cultivo, con aplicaciones prácticas tanto para el cáñamo industrial como para el cannabis medicinal.
🔍 ¿Qué son las imágenes hiperespectrales?
Las imágenes hiperespectrales capturan información de las plantas en cientos de longitudes de onda, mucho más allá del espectro visible. Al analizar cómo las hojas reflejan la luz, se puede inferir su composición química sin necesidad de destruir el tejido vegetal.
🧪 Metodología del estudio
- Instituciones participantes: Universidad de Adelaida y el Centro de Excelencia en Plantas para el Espacio del Consejo Australiano de Investigación.
- Cultivares analizados: Dos variedades de cannabis bajo siete condiciones de iluminación distintas.
- Instrumentación: Dispositivo hiperespectral portátil para medir la reflectancia de las hojas al inicio y al final de la floración.
- Modelos predictivos: Algoritmos de aprendizaje automático entrenados con los datos de reflectancia.
📊 Resultados clave
| Componente | Precisión predictiva (R²) |
|---|---|
| CBD | 0,89 |
| THC | 0,77 |
| Total de cannabinoides | 0,80 |
También se lograron predicciones fiables para cannabinoides menores como CBGA y CBCA, lo que amplía el potencial de esta técnica para cultivos especializados.
🚀 Ventajas frente a métodos tradicionales
A diferencia de técnicas como la HPLC o la GC-MS, que requieren muestreo destructivo y laboratorios costosos, la imagen hiperespectral:
- Es no invasiva y portátil.
- Permite evaluaciones in situ sin interrumpir el desarrollo de las plantas.
- Reduce el riesgo de variabilidad genética y errores de muestreo.
- Ahorra tiempo y dinero en procesos de selección y control de calidad.
🌱 Aplicaciones prácticas
🏭 Cáñamo industrial
- Identificación temprana de plantas que podrían superar el límite legal de THC.
- Prevención de pérdidas económicas por cultivos no conformes.
🩺 Cannabis medicinal
- Priorización de plantas con alto rendimiento en cannabinoides deseados.
- Optimización de ciclos de cultivo y reducción de costos operativos.
🧬 Mejoramiento genético
- Clasificación de cultivares y tratamientos de iluminación.
- Apoyo a programas de germoplasma y selección de rasgos deseables.
🧠 Implicaciones para la industria y la regulación
Este estudio abre la puerta a una nueva era de agricultura de precisión en cannabis, donde la tecnología permite tomar decisiones informadas antes de que las plantas lleguen a su punto de cosecha. Para los reguladores, representa una herramienta eficaz para garantizar el cumplimiento sin necesidad de destruir muestras. Para los cultivadores, es una forma de mejorar la eficiencia, calidad y trazabilidad.
