La tecnología de la Universidad de Canterbury reconstruye plantas en 3D para contar, medir y seguir frutos cubiertos por el follaje
Redactor: Valentina Ríos
Editor: Karem Díaz S.
Investigadores de la Universidad de Canterbury, en Nueva Zelanda, desarrollan una tecnología de inteligencia artificial y visión por computadora capaz de identificar, medir y rastrear frutas que permanecen ocultas detrás del follaje. El sistema, impulsado por el grupo UC Vision, busca mejorar las estimaciones de cosecha y facilitar la futura automatización de labores en viñedos y huertos.
El proyecto está dirigido por el profesor de informática Richard Green y cuenta con la participación del investigador Richie Ellingham. Su propuesta combina cámaras, iluminación y varios sistemas de inteligencia artificial para retirar digitalmente las hojas de las imágenes y construir un modelo tridimensional detallado de cada planta.
La reconstrucción permite localizar manzanas, cerezas y uvas, determinar a qué rama o sarmiento están unidas y calcular características como tamaño, volumen y superficie. Las exploraciones repetidas también hacen posible seguir el crecimiento de cada fruto a lo largo del ciclo productivo.
Conteos de fruta con un margen de diferencia reducido
Los productores suelen estimar la cosecha mediante muestreos manuales en los que trabajadores cuentan y miden una parte de la fruta antes de la recolección. Según los datos divulgados por el equipo, ese procedimiento puede generar desviaciones de hasta el 23 %, mientras que la tecnología de UC Vision obtuvo conteos situados aproximadamente entre un 2 % y un 3 % de la cifra correcta durante las pruebas.
Una estimación más ajustada permite anticipar necesidades de trabajadores, envases, almacenamiento y transporte. También puede reducir desperdicios causados por una planificación basada en volúmenes de producción imprecisos. Esta aplicación guarda relación con otros sistemas que utilizan inteligencia artificial para pronosticar cosechas frutales mediante el análisis automatizado de imágenes.
UC Vision desarrolló equipos móviles que recorren las hileras de viñedos y plantaciones. El dispositivo destinado a las vides emplea dos filas de cámaras para captar imágenes a través de copas densas, mientras que una estructura de mayor altura puede escanear árboles frutales de alrededor de 3,5 metros.
Modelos 3D para interpretar plantas complejas
La automatización agrícola enfrenta condiciones muy diferentes a las de una fábrica. Cada árbol, rama, vid y fruto presenta una geometría particular, mientras que la luz, las sombras y la superposición de hojas cambian constantemente. Por esa razón, los robots necesitan una representación precisa del cultivo antes de realizar tareas sobre la planta.
La nueva plataforma aborda esa dificultad mediante una reconstrucción tridimensional que incluye tanto las partes visibles como las estructuras cubiertas. El principio también aparece en investigaciones sobre granjas virtuales utilizadas para entrenar robots del tomate, donde los modelos deben aprender a reconocer frutos parcialmente ocultos y escenarios variables.
El trabajo de la Universidad de Canterbury se apoya en cerca de 15 años de proyectos de investigación y en más de 32 millones de dólares neozelandeses de inversión gubernamental en visión por computadora, inteligencia artificial y robótica agrícola. El equipo atribuye los resultados a la combinación de algoritmos, mecatrónica, ingeniería de software y sistemas especializados de captura de imágenes.
Aplicaciones en poda, raleo y cosecha selectiva
Los modelos detallados podrían utilizarse posteriormente para orientar máquinas autónomas durante la poda, el raleo, la aplicación localizada de tratamientos y la recolección. En una plantación de cerezas, por ejemplo, un robot podría seleccionar únicamente los frutos que hayan alcanzado un tamaño comercial determinado y regresar más adelante por los restantes.
La posibilidad de medir cada pieza también facilitaría una cosecha diferenciada según tamaño y valor. En cultivos donde unos pocos milímetros influyen en el precio, esa selección puede ayudar a organizar la mano de obra y el embalaje conforme a la calidad esperada, sin depender exclusivamente de promedios obtenidos mediante muestreos.
La visión artificial ya tiene aplicaciones relacionadas en la cadena frutícola. Entre ellas se encuentra el uso de teléfonos inteligentes para predecir la madurez del aguacate, una herramienta orientada a estandarizar decisiones de cosecha y clasificación mediante el reconocimiento de patrones visuales.
Pruebas realizadas en 20 explotaciones comerciales
Richie Ellingham informó que el equipo recopiló datos para modelado tridimensional en 20 fincas comerciales. Las pruebas en viñedos y huertos reales buscan comprobar que la tecnología mantenga su rendimiento frente a distintas variedades, estructuras vegetales y condiciones de trabajo.
Los investigadores concentran ahora sus esfuerzos en aumentar la fiabilidad del sistema antes de una posible comercialización a través de HoloCrop. La iniciativa pretende ofrecer herramientas de horticultura de precisión que proporcionen mejores datos, disminuyan pérdidas en la producción y sirvan como base para nuevos equipos robóticos.
La utilidad práctica dependerá de que los modelos conserven su precisión ante cambios de iluminación, densidad del follaje y arquitectura de las plantas. Como sucede con los modelos de aprendizaje automático aplicados a la gestión agrícola, su adopción requerirá datos representativos, validaciones continuas y herramientas accesibles para los productores.
Fuente referencial:
Phys.org
