La agricultura ha sido siempre un elemento muy importante y esencial para los seres humanos, debido a que dependen directamente de ella para la producción de alimentos. En este contexto de forma especial, las frutas están presentes en todos los hogares, son muy beneficiosas, son ricas en nutrientes necesarios para el ser humano; por lo tanto, se requiere un suministro y una producción continuos de las mismas para satisfacer la demanda de la creciente población mundial.
Por este motivo, todos los procesos de la cadena del sector agroalimentario experimentan desafíos cada vez mayores, los cuales exigen aplicar nuevas tecnologías innovadoras para mejorar la productividad. Entre una gran gama de aplicaciones, se han adoptado tecnologías computacionales para tareas de reconocimiento de frutos, la detección efectiva de defectos específicos y enfermedades de los mismos, esto tanto en el mercado mayorista como minorista y a nivel del productor y las plantas procesadoras.
Una de las herramientas tecnológicas más utilizadas en el ámbito agroindustrial es la Visión por Computador. Todos los sistemas de visión suelen incluir datos generados por sensores o cámaras tales como imágenes RGB, imágenes de profundidad RGB (RGB-D), imágenes hiperespectrales, entre muchos otros tipos. De esta manera utilizando diferentes métodos y algoritmos computacionales, se extraen y procesan características para realizar la tarea correspondiente al sector frutícola. Por ejemplo, la detección precisa de frutos en un huerto para la cosecha.
La visión por computador en los últimos años, se ha visto beneficiada por la inteligencia artificial (IA). La IA es un campo con muchas aplicaciones prácticas en una amplia gama de industrias. El principal desafío de la IA es resolver las tareas que las personas resuelven intuitivamente, pero difíciles de implementar computacionalmente. Entonces, los sistemas de IA se han desarrollado con la capacidad de adquirir conocimientos, extrayendo patrones de datos sin procesar, lo que se conoce como aprendizaje automático (Machine Learning, ML).
El ML permite abordar de forma computacional problemas relacionados con el conocimiento del mundo real. En otras palabras, se puede afirmar que el ML otorga a las computadoras la capacidad de actuar sin ser programados explícitamente, construyendo algoritmos para reconocer patrones en los datos y realizar tareas basadas en ellos. Actualmente, entre los métodos basados en ML más utilizados se encuentra el aprendizaje profundo (Deep Learning, DL). Una característica importante del DL es que tiene altos niveles de abstracción y la capacidad de aprender automáticamente los patrones presentes en imágenes.
En particular, la principal arquitectura de DL y la más utilizada para el procesamiento de imágenes en la visión por computador es la llamada red neuronal convolucional (Convolutional Neural Network, CNN). Desde el año 2012, las CNN han ganado una gran popularidad como método eficaz para la clasificación de imágenes en muchos campos. Se observa que ya para finales del año 2019 el estudio dedicado a las frutas sigue la tendencia general de aplicación de las CNN incrementándose enormemente.
Una de las principales áreas de interés, a saber: es la clasificación de las frutas. El proceso de clasificación, es el hecho de identificar el tipo específico de fruto observado en una imagen que contiene un solo tipo o varios tipos de frutos. Otro proceso a considerar en el estudio de los frutos es su detección por ejemplo para la recolección automática y el recuento cuando se encuentran en los invernaderos o huertas, ya que es un componente determinante para la automatización de cultivos en la agricultura.
Además, al combinar la detección y clasificación con la determinación de la calidad de la fruta, se puede estimar de manera eficiente cuándo realizar la recolección en los cultivos. Esta es una de las tareas críticas en el estudio de frutas para no perder valor añadido en los mercados. Por ello, se realizan continuos esfuerzos para mejorar los métodos de detección de daños, enfermedades y el nivel de madurez del fruto. Realizando este control de calidad antes, durante y después de la recolección de la fruta, así como en la evaluación al ingresar a las plantas procesadoras, a nivel de mercados mayoristas y minoristas.
Todo esto deja un campo ampliamente abierto a nuevos e inimaginables desarrollos de la agroindustria de la mano de la inteligencia artificial.
Dr. José Antonio Naranjo Torres
Licenciado en Física, Posgrado en Geofísica en Venezuela y Doctorado en Ciencia Tecnología Aplicada y Modelamiento Estadístico Matemático en Argentina.
