A hybrid biopesticide was formulated using Bacillus thuringiensis (Bt) incorporated into hydrotalcite-like compounds (HDL), which are inorganic materials with adsorption and controlled-release properties. A predictive model based on the Random Forest machine learning algorithm was implemented to identify optimal conditions of concentration, action time, and reapplication need. Initially, the model was trained using data from technical-grade Bt, reaching a predictive accuracy of 96%. It was later retrained with experimental data from the hybrid Bt-HDL system, achieving 94.03% accuracy, demonstrating the model’s robustness for biological prediction. Larval bioassays conducted on Spodoptera frugiperda revealed that treatments using Bt supported on HDL achieved higher mortality rates than technical Bt, particularly during early instar stages, while also reducing the need for reapplication and extending the product’s efficacy. Physicochemical characterization by SEM, EDS, and XRD confirmed the successful incorporation of the biological agent into the inorganic matrix, supporting the system’s structural integrity. This work highlights the potential of artificial intelligence to enhance the design of sustainable technologies for agricultural pest control.
Se formuló un biopesticida híbrido a partir de Bacillus thuringiensis (Bt) incorporado en hidróxidos dobles laminares (HDL), materiales inorgánicos con propiedades de adsorción y liberación controlada. A su vez, se implementó un modelo predictivo basado en aprendizaje automático del tipo Random Forest, con el objetivo de identificar condiciones óptimas de concentración, tiempo de acción y necesidad de reaplicación. Inicialmente, el modelo fue entrenado con datos del Bt técnico, alcanzando una precisión del 96 %. Posteriormente, fue reentrenado con datos experimentales reales del sistema híbrido Bt-HDL, logrando un 94.03 % de precisión, lo cual demuestra su solidez como herramienta predictiva en sistemas biológicos complejos. Los bioensayos larvales realizados con Spodoptera frugiperda evidenciaron que los tratamientos con Bt soportado en HDL presentaron mayores tasas de mortalidad que el Bt técnico, especialmente en los primeros instares, además de reducir la frecuencia de aplicación y prolongar la eficacia del producto. La caracterización fisicoquímica mediante SEM, EDS y DRX confirmó la incorporación efectiva del agente biológico en la matriz inorgánica, respaldando la integridad del sistema propuesto. Este trabajo demuestra el potencial de la inteligencia artificial como aliada en el diseño de tecnologías sostenibles para el control de plagas agrícolas.
