Grup Operatiu CITRIAFOR: Ús de noves tecnologies per a la correcta estimació de l'aforament en cítrics

• App mòbil per estimar el nombre de fruites a nivell d'arbre i protocol per estandarditzar l'adquisició de dades d'aforament utilitzant un dispositiu mòbil.
• Prototip preindustrial de dispositiu d'adquisició d'imatges per a la predicció d'aforament embarcat al tractor o vehicle terrestre.
• Protocol per estandarditzar l'adquisició de dades d'aforament mitjançant dron i plataforma de gestió d'imatges adquirides amb vehicles terrestres i aeris.

• Model de predicció d'aforament supraparcel·lari basat en fusió d'informació de diverses fonts i implementació d'una plataforma digital per estimar aforament a diferents nivells.

Aquest resultat s'ha aconseguit mitjançant la implementació d'una sèrie d'algorismes per estimar el rendiment d'un camp i el disseny d'una plataforma per al monitoratge i la gestió de les dades i els resultats del sistema implementat.

Els algorismes desenvolupats consideren diversos paràmetres per determinar amb la màxima precisió possible el rendiment o producció esperats en quilograms del camp, 90 dies abans de la collita de la fruita. Aquest procés és particularment complex perquè, en aquell moment, la fruita encara es troba en un estat verd immadur, cosa que dificulta encara més la identificació i el recompte de les peces a l'arbre.

A més d'explicar el nombre de fruits a l'arbre, específicament dins d'un quadrant seleccionat, cal determinar la mida o el calibre mitjà dels fruits. A partir d'aquesta mida, es pot estimar el pes unitari de cada fruit i després extrapolar-lo, mitjançant corbes d'evolució del creixement, al pes esperat abans de la collita.

Finalment, el pes obtingut, basat en el nombre de peces, la mida i el pes, es projecta al nombre total d'arbres en el camp avaluat. Amb tot això obtindrem un resultat en forma de quilograms o tones totals de producció de fruita que rendirà el camp.

El Resultat 3 de l'Objectiu Específic 1 s'ha aconseguit mitjançant la definició i la implementació d'un protocol dissenyat específicament per a la recopilació de dades i informació, per tal d'alimentar el sistema de pronòstic de rendiment. Això garanteix que, tant ara com en el futur, el sistema es pugui automillorar, augmentant la seva precisió en el lliurament de resultats de pronòstic de rendiment.

El protocol considera diversos paràmetres com:

• Cultiu i varietat
• Ubicació
• Època de l'any
• Corbes d'evolució del creixement
• Dades històriques de producció
• Taules d'equivalència entre calibres i pesos
• Recompte de fruits
• Índexs de correcció
• Superfície de la parcel·la
• Nombre d'arbres a la parcel·la

Totes aquestes dades es recopilen i s'emmagatzemen en una base de dades dissenyada específicament per explotar aquesta informació a gran escala i utilitzar-la per millorar el sistema i augmentar-ne la precisió, reduint el marge d'error en els resultats.

El protocol s'implementa tant en dispositius mòbils, a través de l'aplicació instal·lable, com al servidor, on s'allotgen els algorismes i models de dades que fan el recompte i els càlculs, cosa que requereix una alta capacitat de processament.

El protocol permet la transmissió segura i ràpida dinformació entre els dispositius mòbils dels usuaris i els servidors. A més, durant el desenvolupament es va considerar l'escalabilitat, cosa que permetrà la integració d'altres tecnologies en el futur.

S'ha desenvolupat un dispositiu preindustrial d'adquisició d'imatges de camp, dissenyat per muntar-lo en un tractor. Funciona de manera autònoma mentre el conductor realitza les tasques agrícoles habituals.

S'han avaluat diversos sistemes de captura i anàlisi d'imatges per identificar-ne la solució òptima. Mitjançant eines de disseny 3D, es van fabricar en plàstic els components estructurals necessaris per a l'assemblatge del dispositiu.

El sistema consta de dues càmeres posicionades per inspeccionar ambdós costats de la filera de cultiu, una unitat de processament en temps real capaç de comptar fruits i una pantalla tàctil amb una interfície dusuari senzilla. L'alimentació es fa directament des de la bateria del vehicle.

Les proves van confirmar que els algorismes més eficaços es basen en YOLO (You Only Look Once), especialment en les últimes versions (v11). Per al desenvolupament de models de decisió en temps real, es van capturar i etiquetar més de 50.000 imatges de cítrics, abastant múltiples varietats i condicions d'il·luminació, fet que va contribuir a una alta robustesa del model.

El dispositiu es va provar en camp en horts comercials, obtenint resultats preliminars amb una precisió del 80-85% respecte al total de fruita visible, cosa que correspon al 60-70% del recompte total real. Aquests resultats demostren el potencial del sistema com a eina de suport fiable per a la previsió de rendiment en condicions reals.

Les activitats de l'Objectiu 1, sota el resultat R3, van desenvolupar una metodologia que utilitza imatges multiespectrals de drones i anàlisi de l'índex de vegetació per identificar els punts òptims de mostreig. Això permet als agricultors mesurar el rendiment dels fruits (nombre i pes), avaluar la producció abans de la collita i millorar els càlculs de pronòstic i la logística associada.

Resultats Clau:
• Punts òptims de mostreig millorats mitjançant estudis de variabilitat del sòl i anàlisi del desenvolupament vegetatiu històric.
• Mapes georeferenciats d'alta resolució per a la presa de decisions basades en zones homogènies dins la parcel·la.
• Es van identificar els períodes crítics per als vols de drones durant la campanya, cosa que redueix els costos en centrar-se en les etapes clau de creixement.

Valor afegit/Beneficis:
• Rendibilitat: Menys vols de drones i la possibilitat que els agricultors els realitzin de forma independent.
• Precisió dels pronòstics: Major precisió en les prediccions de rendiment mitjançant el mesurament estratègic dels fruits.
• Agricultura de precisió: Optimització de l'ús d'aigua i fertilitzants mitjançant el mapatge de zones homogènies i la navegació guiada.
• Major productivitat: Correlació entre les dades de l'NDVI, els paràmetres de variabilitat del sòl i els rendiments històrics per millorar el rendiment del cultiu.

Aplicacions Pràctiques:
• Monitorització en temps real de la salut i la variabilitat dels cultius.

• Planificació eficient del reg i la gestió nutricional mitjançant dades de l'NDVI.
• Operacions de camp optimitzades amb mapes georeferenciats.
Aquesta eina promou la sostenibilitat, l'agricultura de precisió i la rendibilitat, beneficiant directament els agricultors.

Les activitats de l'objectiu 2, sota el resultat R3, permeten una interfície web intuïtiva que integra les mostres puntuals optimitzades resultants de l'objectiu 1. A més, permeten una gestió i una anàlisi eficients de les dades agrícoles per donar suport a la presa de decisions i optimitzar la gestió dels cultius.

Resultats Clau:
• Mapes georeferenciats amb les mostres puntuals optimitzades a les explotacions agrícoles.
• Integració de dades que inclou mapes zonals de sòls, índexs de vegetació obtinguts mitjançant drones i satèl·lits, i pronòstics meteorològics.

Beneficis o Valors Afegits per als Agricultors:
• Agricultura de Precisió: Permet intervencions específiques utilitzant índexs de vegetació per al monitoratge del comportament dels cultius i dels índexs d'humitat.
• Redueix costos en centrar-se en les etapes crítiques de creixement i optimitzar insums com a aigua i fertilitzants.
• Major Productivitat: Facilita la identificació de punts de mostreig òptims i zones homogènies per a una millor predicció del rendiment.

Aplicacions Pràctiques:
• Monitorització en temps real de la salut i la variabilitat dels cultius mitjançant mapes interactius.
• Planificació de la gestió de cultius basada en les tendències de les dades.
• Les eines de navegació guien els usuaris als punts de mostreig o àrees problemàtiques mitjançant la integració de GPS. Les eines de comparació permeten l'anàlisi paral·lela dels índexs de vegetació en dates o tractaments diferents.
Aquesta plataforma fomenta la sostenibilitat, l'agricultura de precisió i la rendibilitat, i proporciona als agricultors informació pràctica adaptada a les necessitats específiques.

S'ha desenvolupat una plataforma demostrativa per simular la predicció del rendiment de cítrics a escala supra-hort, integrada a la plataforma del projecte i desenvolupada com una aplicació interactiva a Google Earth Engine (https://molto-enr.users.earthengine.app/view/citriaforo). Aquesta plataforma mostra com la planificació i la presa de decisions a gran escala es poden donar suport mitjançant estimacions de rendiment accessibles i visuals.

La plataforma utilitza més de 3000 horts anonimitzats amb dades a escala. Prediu la producció total basant-se en la superfície individual de l'hort, variables agroclimàtiques (radiació, evaporació, temperatura de l'aire i del sòl, i precipitació) i índexs espectrals Sentinel-2: NDRE (relacionat amb el vigor de la vegetació), NDMI (relacionat amb el contingut d'aigua) i PSRI (relacionat amb la seqüència). L'eina es pot tastar en tres varietats. També es calcula lerror de predicció del rendiment total.

Les simulacions s'entrenen amb mostres de dades reduïdes (15% si hi ha més de 700 horts, 25% en cas contrari). El 90% de les simulacions van mostrar errors de rendiment total inferiors al 10%.

El disseny adaptable de l'eina satisfà les necessitats de les empreses i les organitzacions agrícoles, facilitant la planificació de camps i la previsió de rendiment. La implementació d'accés obert fomenta l'intercanvi de coneixements i la col·laboració entre les parts interessades.

El resultat 2 de l'objectiu R4 va permetre la integració de múltiples fonts de dades d'altres activitats en una única plataforma de visualització, millorant l'experiència de l'usuari per assolir una planificació agrícola eficient.
Resultats Clau:

• Creació d'una plataforma digital al núvol que integra dades de diverses fonts provinents d'altres activitats del projecte (satèl·lit, terrestre i aeri).
  

• Valor Afegit per als Agricultors:

  Aquest resultat proporciona als agricultors una eina accessible que optimitza la seva experiència en reduir el nombre de sol·licituds i accessos a dades, millorant la competitivitat al mercat i fomentant l'adopció de tecnologia al sector citrícola. Promou el relleu generacional i facilita la inclusió de joves i de dones.

• Aplicacions Pràctiques per als Agricultors:
  Centralització de la previsió de collita en diferents nivells dadquisició de dades, facilitant lorganització i les estratègies de consulta.