El cultivo de cerezas, una de las frutas más valoradas a nivel global, enfrenta hoy múltiples desafíos debido a la disminución de recursos críticos como la mano de obra humana, el alto costo de los fertilizantes y las crecientes alteraciones climáticas.
En respuesta a esta problemática, los investigadores del Instituto de Ciencias de la Ingeniería de la Universidad de O’Higgins (UOH), Luis Cossio-Montefinale y Rodrigo Verschae, junto a Cristóbal Quiñinao de la Pontificia Universidad Católica, han desarrollado una novedosa investigación que integra tecnología de punta como sensores inalámbricos, visión artificial y técnicas de inteligencia artificial, para estimar de manera precisa y automatizada el estado de madurez de las cerezas en el campo, y así contribuir a la toma de decisiones.
Su investigación «Orchard sweet cherry color distribution estimation from wireless sensor networks and video-based fruit detection«, recientemente publicada en la revista internacional Computers and Electronics in Agriculture (de la editorial Elsevier), propone un sistema de monitoreo inteligente basado en dos fuentes clave de información: i) una red de sensores agroclimáticos inalámbricos (WSN) para monitorear el estado de los cultivos en tiempo real y ii) la captura de secuencias de video RGB a lo largo de las hileras. Esta combinación permite no solo mejorar el manejo durante la cosecha, sino también anticipar decisiones críticas en la producción agrícola, como el momento óptimo de cosecha.
La red de sensores, conectada a través de tecnología LoRaWAN, recopila datos ambientales como temperatura y humedad, que luego son analizados mediante un modelo de aprendizaje automático. En paralelo, se procesan secuencias de video capturadas mediante teléfonos celulares a lo largo de las hileras para luego detectar y seguir visualmente las cerezas utilizando algoritmos de aprendizaje de máquinas. Estas observaciones permiten evaluar directamente el estado de los cultivos, ya que se pueden determinar variables como el número de frutos y su madurez, y de esta manera calibrar un modelo de estimación de madurez a partir de datos climáticos.
Los modelos propuestos fueron validados en cuatro campos productivos, logrando una tasa de error inferior al 5% en la estimación de la madurez al utilizar únicamente información agroclimática. Este nivel de precisión permite optimizar las operaciones agrícolas.
Los autores destacan que este sistema puede generar una estimación automatizada de la distribución de color en un campo completo, lo que proporciona un indicador robusto del grado de madurez del fruto en sus distintos cuarteles. Esta capacidad es especialmente relevante en un contexto donde los agricultores enfrentan condiciones climáticas cada vez más volátiles y una creciente escasez de mano de obra.
Este avance se enmarca dentro de la tendencia global hacia la Agricultura de Precisión, que busca integrar tecnologías como el Internet de las Cosas (IoT), robótica e inteligencia artificial para aumentar la eficiencia, reducir costos y asegurar una producción agrícola más sostenible.
Los investigadores enfatizan que este es el primer estudio en demostrar la viabilidad de estimar con precisión la madurez de las cerezas exclusivamente a partir de variables ambientales, lo que abre nuevas posibilidades para una agricultura más autónoma, eficiente y sustentable.
