Si bien la producción de fresas se realiza desde noviembre hasta abril en Florida, la tecnología gemela digital permite a los científicos simular el crecimiento de la fruta durante todo el año, lo que permite que la investigación continúe durante todo el año.
por Brad Buck, Universidad de Florida
Los gemelos digitales son réplicas virtuales de objetos, sistemas o procesos que pueden predecir el comportamiento del sistema mientras interactúan en un entorno simulado.
Dana Choi y su equipo de científicos de la Universidad de Florida han demostrado que el sistema robótico, impulsado por inteligencia artificial (IA), es preciso y ahorra tiempo y mano de obra. Esto es crucial para la industria de la fresa de Florida, que genera 500 millones de dólares anuales , y también podría ser crucial para una industria que genera 2 mil millones de dólares anuales en Estados Unidos.
Hace unos años, el equipo de Choi construyó un gemelo digital de un campo de fresas que reproduce cada hilera, hoja y baya a tamaño real. Dentro de ese campo virtual, los científicos dejaron que el robot recorriera el terreno y tomara miles de fotos de una granja comercial simulada en el condado de Hillsborough.
Una investigación recientemente publicada en AgriEngineering muestra que la IA entrenada exclusivamente en un entorno gemelo digital utilizando campos de fresas simulados logró una precisión del 92 % en la detección de frutas, sin depender de datos de entrenamiento del mundo real.
«Como el campo simulado por computadora nunca deja de estar en temporada, se pueden crear prototipos de nuevas herramientas para detectar bayas incluso en verano, lo que acelera la innovación», afirmó Choi. «Los hallazgos también implican menores costos de desarrollo. Las empresas pueden probar recolectores robóticos o diseños de pulverizadores inteligentes en el gemelo digital, primero, corrigiendo errores antes de realizar pruebas en condiciones reales. Esto, en última instancia, reduce el precio de la nueva tecnología».
El robot, entrenado completamente con imágenes sintéticas, también estimó el diámetro de la fruta en el mundo real con solo 1,2 milímetros de error, «lo suficientemente bueno para la clasificación comercial, utilizando solo datos sintéticos y simulados», dijo Choi, profesor asistente de ingeniería agrícola y biológica de UF/IFAS.
Esto demuestra el potencial de los modelos de IA entrenados en entornos virtuales para apoyar tareas de toma de decisiones comerciales, como la clasificación de frutas en función de características como el tamaño o la calidad.
Si los productores conocen el tamaño y el volumen exactos de la fruta, pueden predecir su rendimiento y saber cuándo cosechar.
«El estudio muestra que un gemelo digital realista puede impulsar el desarrollo de herramientas de IA para las granjas de fresas, lo que permite una innovación robótica más rápida y rentable», dijo Choi, miembro del cuerpo docente del Centro de Investigación y Educación de la Costa del Golfo de UF/IFAS.
«Normalmente, tendríamos que tomar miles de fotos en campos reales, etiquetar cada una y esperar a la temporada adecuada», dijo. «Eso requiere mucho tiempo y dinero. Pero con un gemelo digital, podemos crear y etiquetar estas fotos al instante».
Además, el entrenamiento en el mundo virtual elimina la necesidad de manipular o etiquetar imágenes reales, ahorrando semanas de trabajo de campo.
¿Por qué importa todo esto? Se necesita menos dinero y tiempo para construir y mejorar nuevas herramientas porque los científicos pueden probarlas y repararlas en un entorno virtual antes de probarlas en la vida real.
La plataforma gemela digital también podría respaldar la capacitación de operadores y la creación rápida de prototipos de maquinaria autónoma, lo que ayudaría a trasladar la tecnología agrícola del concepto al campo de manera más rápida y rentable.
Más información: Omeed Mirbod et al., De la simulación a la validación de campo: Un enfoque de transferencia Sim2real basado en gemelos digitales para la detección y el dimensionamiento de frutos de fresa, AgriEngineering (2025). DOI: 10.3390/agriengineering7030081
