Duración
1 mes
Fecha de Inicio
20-09-2026
Modalidad
online
Dificultad
Principiante
Precio
388 €
El Curso de Drones e Imágenes Satelitales con Inteligencia Artificial de Academia IA es un programa de formación inicial diseñado para agricultores, técnicos agrícolas, ingenieros agrónomos, asesores de campo y profesionales del sector agroalimentario que quieren descubrir cómo los drones agrícolas, los satélites de observación de la Tierra y la inteligencia artificial están cambiando la forma de monitorear cultivos, detectar problemas de forma temprana y tomar decisiones de campo basadas en datos reales, sin necesidad de conocimientos técnicos previos ni de programación.
A lo largo del curso aprenderás cómo funciona un drone agrícola y qué tipo de cámaras e imágenes produce, qué son las imágenes multiespectrales e hiperespectrales y por qué revelan información sobre los cultivos que el ojo humano no puede ver, qué son los índices de vegetación —NDVI, NDRE, NDWI— y cómo interpretarlos para evaluar el estado de tus cultivos de un vistazo, cómo la inteligencia artificial analiza automáticamente esas imágenes para detectar zonas con estrés hídrico, carencias nutricionales, plagas o enfermedades antes de que sean visibles en campo, y cómo plataformas accesibles como Pix4D Fields, DJI Terra o Sentinel Hub te permiten empezar a trabajar con este tipo de análisis sin inversiones prohibitivas. El curso no requiere experiencia previa con tecnología y está diseñado para que cualquier profesional agrícola pueda aplicar lo aprendido directamente en su explotación.
Durante siglos, el agricultor ha conocido el estado de sus cultivos caminando por el campo: observando el color de las hojas, midiendo la humedad del suelo con la mano, detectando los primeros síntomas de una plaga con la vista. Ese conocimiento es valioso e insustituible, pero tiene dos limitaciones inevitables: solo puede estar en un lugar a la vez, y solo puede ver lo que el ojo humano ve. Los drones equipados con cámaras multiespectrales y los satélites de observación de la Tierra combinados con inteligencia artificial superan esas dos limitaciones al mismo tiempo: cubren cientos de hectáreas en una sola pasada, capturan bandas del espectro invisible para el ojo humano que revelan el estado fisiológico de las plantas con una precisión impresionante, y procesan esos datos automáticamente para señalar exactamente qué zona del campo necesita atención y por qué.
Este curso existe para que ese conocimiento sea accesible para cualquier profesional del campo. El Curso de Drones e Imágenes Satelitales con Inteligencia Artificial de Academia IA está diseñado para que entiendas sin tecnicismos cómo funciona la fotografía aérea agrícola con drones y satélites, qué información puede extraer la inteligencia artificial de esas imágenes y cómo esa información te ayuda a tomar mejores decisiones: a regar solo donde la planta lo necesita, a aplicar fitosanitarios solo en las zonas afectadas, a detectar una enfermedad dos semanas antes de que sea visible a simple vista y a documentar el estado de tus cultivos a lo largo de toda la temporada con evidencias objetivas y comparables.
El Curso de Drones e Imágenes Satelitales con Inteligencia Artificial te prepara para incorporar la observación aérea y el análisis de imágenes con IA a tu práctica agrícola cotidiana, sin necesidad de convertirte en piloto de drones profesional ni en experto en teledetección. Te prepara para ser el profesional agrícola que entiende qué le están diciendo esos mapas, toma decisiones informadas con ellos y se comunica con criterio con los técnicos, los asesores y los proveedores de tecnología que los generan.
Al finalizar el curso serás capaz de leer e interpretar los mapas de índices de vegetación generados por IA —los mapas NDVI, NDRE y NDWI— identificando las zonas del campo que muestran estrés, las que están en buen estado y las que presentan anomalías que merecen inspección en campo, identificar en tus imágenes de drone o satélite los síntomas más frecuentes de los problemas agronómicos más relevantes para tu explotación: deficiencias de nitrógeno, estrés hídrico por falta o exceso de agua, zonas con compactación de suelo, focos iniciales de enfermedades fúngicas o bacterianas, y colonias de plagas en sus etapas tempranas, usar plataformas de análisis de imágenes agrícolas con IA —Pix4D Fields, DJI Terra, Sentinel Hub, EOS Crop Monitoring— para generar informes de variabilidad de tu campo de forma autónoma, descargar los mapas correspondientes y compartirlos con tu equipo o tu asesor agrónomo, evaluar con criterio propio qué tipo de solución tecnológica —drone propio, servicio de vuelo contratado, imágenes satelitales gratuitas o de suscripción— se adapta mejor a tu situación, y calcular de forma básica el retorno de la inversión de aplicar la tecnología de drones e IA en tu explotación, comparando el coste de la detección temprana con el coste de las pérdidas que podría haber evitado.
admisiones@academiaia.ai +34 967 79 32 85
Av Marqués del Turia 14 Valencia
Accede al curso desde cualquier dispositivo y aplica lo aprendido en tu explotación desde el primer día.
Aprenderás a leer mapas NDVI e imágenes de drone sin necesidad de conocimientos técnicos ni de programación.
Trabajarás con Pix4D, DJI Terra, Sentinel Hub y plataformas de IA agrícola usadas en explotaciones reales.
La excelencia formativa define cada programa de Academia IA. Nuestro compromiso es ofrecer una experiencia de aprendizaje que combine rigor técnico con aplicabilidad inmediata, preparando profesionales capaces de generar impacto real desde el primer día.
Nuestros programas están diseñados por profesionales que trabajan en empresas del sector de inteligencia artificial. Compartimos las técnicas y herramientas que utilizamos en proyectos reales.
Al unirte a Academia IA accedes a más de 400 profesionales en Skool. Un espacio donde resolver dudas, compartir proyectos y seguir aprendiendo más allá del temario oficial.
( +34 ) 967 79 32 85
El Curso de Drones e Imágenes Satelitales con Inteligencia Artificial te da algo que los libros de agronomía convencional no pueden darte: la capacidad de ver tus cultivos desde arriba, con ojos que ven más allá del espectro visible y con el apoyo de una inteligencia artificial que procesa en minutos lo que un equipo de técnicos tardaría días en analizar sobre el terreno.
Detección temprana de problemas que multiplica la eficacia de las intervenciones: El mayor valor de la teledetección con IA en la agricultura no es la espectacularidad de las imágenes: es la anticipación. Los sistemas de IA detectan el estrés hídrico dos a tres semanas antes de que sea visible a simple vista. Detectan los primeros focos de mildiu, botritis o alternaria cuando todavía ocupan unos pocos metros cuadrados del campo, antes de que se hayan extendido a la parcela completa. Detectan las zonas con deficiencia de nitrógeno al inicio del ciclo del cultivo, cuando todavía hay tiempo para corregirlas con una fertirrigación diferencial. Cada día de anticipación en la detección de un problema representa una reducción exponencial del daño potencial y del coste de la intervención.
Reducción del coste de los tratamientos con aplicación variable: El monitoreo con drones e IA es la base técnica de la agricultura de precisión: en lugar de tratar la parcela completa con la misma dosis de fitosanitario o fertilizante, las zonas saludables reciben la dosis mínima de mantenimiento y los focos problemáticos reciben la intervención específica que necesitan. Los estudios de campo en España muestran reducciones de entre el 20% y el 40% en el uso de productos fitosanitarios cuando se aplica gestión variable basada en mapas de IA, con el consiguiente impacto positivo en los costes de producción, el cumplimiento de los objetivos de reducción de uso de fitosanitarios del Pacto Verde Europeo y la sostenibilidad del sistema productivo.
Documentación objetiva del estado de los cultivos a lo largo de toda la campaña: Los mapas históricos de índices de vegetación generados temporada tras temporada construyen una memoria objetiva de la variabilidad de cada parcela que ninguna inspección visual puede proporcionar: permiten comparar el comportamiento de la misma parcela en distintas temporadas, justificar con evidencias las decisiones de manejo ante las aseguradoras agrícolas, y demostrar el cumplimiento de los requisitos de condicionalidad reforzada de la PAC con datos verificables.
La aplicación de drones e imágenes satelitales con inteligencia artificial a la agricultura no es una tendencia futura: es una realidad en aceleración que está transformando ya la forma en que los agricultores más competitivos gestionan sus explotaciones en España, en Europa y en todo el mundo. El mercado global de drones agrícolas supera ya los 5.000 millones de dólares anuales y está creciendo a un ritmo superior al 20% anual. Los satélites de observación de la Tierra de nueva generación —Sentinel-2, Planet Labs, Maxar— capturan imágenes de cualquier parcela del mundo cada dos o tres días con una resolución que hace diez años era impensable a ese precio. Y los modelos de inteligencia artificial entrenados sobre millones de imágenes de cultivos son ya capaces de detectar más de doscientas patologías vegetales con una precisión que supera a la de técnicos agrícolas con años de experiencia visual.
La nueva PAC y la condicionalidad de datos como motor de adopción: El actual período de programación de la Política Agrícola Común está estableciendo requisitos de condicionalidad reforzada que implican la justificación objetiva de las prácticas de manejo de cada parcela. Los sistemas de monitoreo con drones e imágenes satelitales generan automáticamente la documentación que esos requisitos exigen: registros temporales del estado del cultivo, evidencias de la variabilidad de la parcela, justificación de las intervenciones de aplicación variable. Los agricultores que incorporan estas herramientas a su sistema de gestión no solo mejoran su rentabilidad: se posicionan para cumplir los requisitos regulatorios de la próxima década con herramientas que ya tienen en producción.
La escasez de técnicos como acelerador de la adopción tecnológica: La agricultura española enfrenta una escasez creciente de técnicos agrícolas de campo disponibles para la visita periódica y el seguimiento de explotaciones. Los sistemas de monitoreo con drones e IA multiplican la cobertura de seguimiento que un técnico puede ofrecer a sus clientes: en lugar de visitar cada parcela cada dos o tres semanas, puede revisar el estado de toda la explotación desde la oficina cada dos o tres días con imágenes satelitales, y desplazarse al campo solo cuando el sistema de IA ha detectado una anomalía concreta en una localización específica. Este modelo de «visita dirigida por datos» es más eficiente, más rentable y más preciso que el modelo de inspección visual periódica que ha dominado el asesoramiento agrícola hasta ahora.
El plan de estudio del Curso de Drones e Imágenes Satelitales con Inteligencia Artificial está organizado para que cada bloque produzca conocimiento inmediatamente aplicable, sin pasos previos complicados. La progresión va de lo más conceptual —entender qué son y cómo funcionan estas tecnologías— a lo más práctico —cómo usarlas para tomar decisiones concretas en tu explotación.
El primer bloque, Drones y satélites para la agricultura: cómo funcionan y qué ven, cubre los fundamentos sin tecnicismos: tipos de drones agrícolas y sus diferencias, tipos de cámaras —RGB, multiespectral, térmica— y qué información produce cada una, cómo funcionan los satélites de observación agrícola —Sentinel-2, Planet— y cada cuánto tiempo cubren tu zona, y por qué las plantas reflejan la luz de manera diferente según su estado fisiológico. Al final de este bloque, el alumno entenderá qué puede y qué no puede ver un drone o un satélite en su campo.
El segundo bloque, Índices de vegetación con IA: cómo leer los mapas de tu campo, es el más formativo para cualquier profesional agrícola: qué es el NDVI y qué significan los valores bajos, medios y altos en un mapa de tu parcela, cómo interpretar el NDRE para la gestión del nitrógeno, el NDWI para el seguimiento del estrés hídrico, y los mapas de clorofila para la detección de deficiencias foliares. Al final de este bloque, el alumno será capaz de leer un mapa de índice de vegetación de su explotación y extraer conclusiones concretas.
El tercer bloque, Cómo la IA detecta problemas en imágenes de cultivos, explica de forma accesible qué hace la inteligencia artificial con esas imágenes: detección automática de focos de enfermedad, identificación de zonas con estrés hídrico diferencial, alertas de carencias nutricionales y conteo de plantas o árboles con modelos de visión por computadora. El cuarto bloque, Plataformas de IA agrícola: cuál usar y cómo empezar, recorre Pix4D Fields, DJI Terra, Sentinel Hub y EOS Crop Monitoring con ejercicios prácticos de importación de imágenes, generación de mapas y exportación de informes. El quinto bloque, Cómo aplicar la información en tu explotación, conecta los mapas con las decisiones: riego de precisión, aplicación variable de fitosanitarios y fertilizantes, y planificación de visitas de campo dirigidas por datos. El curso cierra con el Proyecto Final.
Aprovecha todos nuestros recursos en cualquiera de nuestras formaciones.
El Proyecto Final del Curso de Drones e Imágenes Satelitales con Inteligencia Artificial consiste en la elaboración de un análisis básico del estado de una parcela o explotación utilizando imágenes de drone o satelitales reales y al menos una de las plataformas de IA agrícola trabajadas durante el curso, produciendo un informe accionable que el alumno podría entregar a un agricultor o usar en su propia explotación.
El proyecto incluye la selección y descarga de imágenes: el alumno descargará imágenes multiespectrales de su parcela —o de una parcela de referencia proporcionada por el curso— desde Sentinel Hub o la plataforma de imágenes de su elección, correspondientes a al menos dos fechas diferentes de la temporada para poder comparar la evolución del cultivo, el procesamiento de las imágenes y generación de mapas: cálculo del NDVI y al menos un índice adicional relevante para el cultivo analizado, generación de los mapas correspondientes con la plataforma de IA elegida, y aplicación de la clasificación automática de zonas por nivel de vigor o estrés que ofrece la herramienta, la interpretación agronómica: identificación de las zonas de la parcela que muestran valores preocupantes en los índices calculados, hipótesis sobre las causas agronómicas más probables —estrés hídrico, carencia nutricional, foco de enfermedad, variabilidad de suelo—, y propuesta de intervención concreta para cada zona identificada como problemática, y el informe final: documento de una a dos páginas en formato de informe técnico-agronómico con los mapas, la interpretación y las recomendaciones, en el formato que un asesor entregaría a un agricultor cliente. El proyecto cierra con una breve presentación ante el grupo del curso.
No te quedes con ninguna duda y revisa todas nuestras preguntas frecuentes!
Academia IA
No. El Curso de Drones e Imágenes Satelitales con Inteligencia Artificial de Academia IA está diseñado para que puedas completarlo y obtener valor práctico inmediato sin tener ningún drone. Los ejercicios prácticos del curso utilizan imágenes satelitales gratuitas disponibles a través de plataformas como Sentinel Hub —que proporciona imágenes de Sentinel-2 de cualquier parcela del mundo con cobertura cada cinco días aproximadamente— y datasets de vuelos de drone proporcionados por el propio curso. El tema de qué drone adquirir, cuándo vale la pena comprarlo y cuándo es mejor contratar un servicio de vuelo se aborda explícitamente en el bloque de evaluación de soluciones, con criterios objetivos basados en el tipo y tamaño de explotación.
El NDVI —Normalized Difference Vegetation Index— es un número entre -1 y +1 que mide la cantidad de vegetación sana activa en cada punto de tu campo, calculado a partir de la diferencia entre la reflexión de la luz infrarroja cercana y la roja. Las plantas sanas reflejan mucha luz infrarroja y absorben mucha luz roja, produciendo valores altos de NDVI —entre 0,6 y 0,9 en cultivos en buen estado—. Las plantas estresadas, enfermas o con deficiencias nutricionales reflejan menos infrarrojo y más rojo visible, produciendo valores más bajos. El Curso de Drones e Imágenes Satelitales con Inteligencia Artificial de Academia IA dedica un módulo completo a la interpretación de los valores de NDVI —y de los otros índices más relevantes— por tipo de cultivo y por fase fenológica, para que sepas exactamente qué significan esos colores en tu mapa.
Depende del tipo de problema que quieras detectar y del tamaño de tus parcelas. Sentinel-2 tiene una resolución de 10 metros por píxel en las bandas del visible y 20 metros en las bandas multiespectrales, lo que es suficiente para detectar la variabilidad general del campo, identificar zonas con diferencias importantes de vigor o estrés hídrico, y hacer seguimiento de la evolución del cultivo a lo largo de la temporada. Para detectar focos de enfermedad de pequeño tamaño, contar plantas individuales o hacer análisis muy detallados de parcelas pequeñas, se necesitan imágenes de mayor resolución de pago —Planet Labs, Airbus, Maxar— o imágenes de drone. El Curso de Drones e Imágenes Satelitales con Inteligencia Artificial de Academia IA te ayuda a entender exactamente qué resolución necesitas para cada objetivo, para que no pagues por más de lo que realmente vas a aprovechar.
Es uno de los factores más importantes a tener en cuenta en la planificación del monitoreo agrícola con teledetección, y el Curso de Drones e Imágenes Satelitales con Inteligencia Artificial de Academia IA lo aborda de forma explícita. Las imágenes ópticas de satélite —incluida Sentinel-2— son inutilizables cuando hay cobertura de nubes sobre la parcela. En zonas de la España húmeda, esto puede reducir significativamente la disponibilidad de imágenes útiles en ciertas épocas del año. Las soluciones incluyen el uso de imágenes radar —Sentinel-1— que atraviesan las nubes y tienen buena correlación con algunos indicadores de humedad del suelo y biomasa, el aumento de la frecuencia de revisión con plataformas que tienen mayor número de satélites —como Planet Labs—, o la planificación de los vuelos de drone en las ventanas de cielo despejado más frecuentes en tu zona geográfica. El curso te da los criterios para adaptar tu estrategia de monitoreo a las condiciones climáticas de tu región.
