Grupo Operativo de CITRIAFORO: Uso de novas tecnoloxías para a correcta estimación da capacidade cítrica

• Aplicación móbil para estimar o reconto de froitos a nivel de árbore e protocolo para estandarizar a adquisición de datos de aforo mediante un dispositivo móbil.
• Prototipo preindustrial dun dispositivo de adquisición de imaxes para a predición de capacidade montado nun tractor ou vehículo terrestre.
• Protocolo para a estandarización da adquisición de datos de capacidade baseada en drons e unha plataforma de xestión de imaxes adquiridas con vehículos terrestres e aéreos.

• Modelo de predición de capacidade supraparcela baseado na fusión de información de diversas fontes e na implementación dunha plataforma dixital para estimar a capacidade a diferentes niveis.

Este resultado conseguiuse mediante a implementación dunha serie de algoritmos para estimar o rendemento de campo e o deseño dunha plataforma para a monitorización e xestión dos datos e resultados do sistema implementado.

Os algoritmos desenvolvidos consideran varios parámetros para determinar, da forma máis precisa posible, o rendemento ou a produción esperada en quilogramos do campo, 90 días antes da colleita da froita. Este proceso é particularmente complexo porque, nese momento, a froita aínda se atopa nun estado verde e inmaduro, o que dificulta aínda máis a identificación e a conta das pezas na árbore.

Ademais de contar o número de froitos na árbore, concretamente dentro dun cuadrante seleccionado, é necesario determinar o tamaño ou calibre medio dos froitos. A partir deste tamaño, pódese estimar o peso unitario de cada froito e despois extrapolar, mediante curvas de evolución do crecemento, ata o peso esperado xusto antes da colleita.

Finalmente, o peso obtido, en función do número de pezas, o seu tamaño e peso, proxéctase sobre o número total de árbores no campo avaliado. Isto dános un resultado en quilogramos ou toneladas de produción total de froita que producirá o campo.

O resultado 3 do obxectivo específico 1 conseguiuse mediante a definición e implementación dun protocolo deseñado especificamente para a recollida de datos e información para alimentar o sistema de previsión do rendemento. Isto garante que, tanto agora como no futuro, o sistema poida automellorarse, aumentando a súa precisión na entrega de resultados de previsión do rendemento.

O protocolo ten en conta varios parámetros como:

• Cultivo e variedade
• Localización
• Época do ano
• Curvas de evolución do crecemento
• Datos históricos de produción
• Táboas de equivalencia entre calibres e pesos
• Conteo de froitas
• Índices de corrección
• Área da parcela
• Número de árbores na parcela

Todos estes datos recóllense e almacénanse nunha base de datos deseñada especificamente para explotar esta información a grande escala e usala para mellorar o sistema e aumentar a precisión, reducindo a marxe de erro nos resultados.

O protocolo impleméntase tanto en dispositivos móbiles, a través dunha aplicación instalable, como no servidor, onde se aloxan os algoritmos e os modelos de datos que realizan a contaxe e os cálculos, o que require unha alta capacidade de procesamento.

O protocolo permite a transmisión segura e rápida de información entre os dispositivos móbiles dos usuarios e os servidores. Ademais, tivose en conta a escalabilidade durante o seu desenvolvemento, o que permitirá a integración doutras tecnoloxías no futuro.

Desenvolveuse un dispositivo de imaxe de campo preindustrial, deseñado para ser montado nun tractor. Funciona de forma autónoma mentres o condutor realiza tarefas agrícolas rutineiras.

Avaliáronse varios sistemas de captura e análise de imaxes para identificar a solución óptima. Usando ferramentas de deseño 3D, os compoñentes estruturais necesarios para a montaxe do dispositivo fabricáronse en plástico.

O sistema consta de dúas cámaras situadas para inspeccionar ambos os dous lados da fila de cultivos, unha unidade de procesamento en tempo real capaz de contar froitas e unha pantalla táctil cunha interface de usuario sinxela. A enerxía provén directamente da batería do vehículo.

As probas confirmaron que os algoritmos máis eficaces baséanse en YOLO (You Only Look Once, só tes que mirar unha vez), especialmente na súa última versión (v11). Para desenvolver modelos de decisión en tempo real, capturáronse e etiquetáronse máis de 50 000 imaxes de cítricos, que abarcan múltiples variedades e condicións de iluminación, o que contribúe á alta robustez do modelo.

O dispositivo foi probado no campo en pomares comerciais, obtendo resultados preliminares cunha precisión do 80–85 % baseada no total de froitos visibles, o que corresponde ao 60–70 % do reconto total real. Estes resultados demostran o potencial do sistema como ferramenta de apoio fiable para a previsión do rendemento en condicións reais.

As actividades do Obxectivo 1, dentro do Resultado R3, desenvolveron unha metodoloxía que emprega imaxes multiespectrais de drons e análise de índices de vexetación para identificar puntos de mostraxe óptimos. Isto permite aos agricultores medir o rendemento de froitos (número e peso), avaliar a produción antes da colleita e mellorar os cálculos de previsión e a loxística asociada.

Resultados clave:
• Mellora dos puntos de mostraxe óptimos mediante estudos de variabilidade do solo e análise do desenvolvemento vexetativo histórico.
• Mapas xeorreferenciados de alta resolución para a toma de decisións baseadas en áreas homoxéneas dentro da parcela.
• Identificáronse os períodos críticos para os voos de drons durante a campaña, reducindo os custos centrándose nas etapas clave de crecemento.

Valor engadido/Beneficios:
• Rendabilidade: Menos voos con drons e a capacidade dos agricultores para realizalos de forma independente.
• Precisión da previsión: Maior precisión nas predicións de rendemento mediante a medición estratéxica do rendemento.
• Agricultura de precisión: optimización do uso de auga e fertilizantes mediante a cartografía de áreas homoxéneas e a navegación guiada.
• Maior produtividade: correlación entre os datos de NDVI, os parámetros de variabilidade do solo e os rendementos históricos para mellorar o rendemento dos cultivos.

Aplicacións prácticas:
• Monitorización en tempo real da saúde e a variabilidade dos cultivos.

• Planificación eficiente do rego e xestión nutricional mediante datos de NDVI.
• Operacións de campo optimizadas con mapas xeorreferenciados.
Esta ferramenta promove a sustentabilidade, a agricultura de precisión e a rendibilidade, beneficiando directamente aos agricultores.

As actividades do Obxectivo 2, dentro do Resultado R3, permiten unha interface web intuitiva que integra as mostras puntuais optimizadas resultantes do Obxectivo 1. Tamén permiten unha xestión e análise eficientes dos datos agrícolas para apoiar a toma de decisións e optimizar a xestión de cultivos.

Resultados clave:
• Mapas xeorreferenciados con mostras puntuais optimizadas en explotacións agrícolas.
• Integración de datos que inclúe mapas zonais de solos, índices de vexetación obtidos mediante drons e satélites e previsións meteorolóxicas.

Beneficios ou valores engadidos para os agricultores:
• Agricultura de precisión: permite intervencións específicas mediante índices de vexetación para monitorizar o comportamento dos cultivos e os niveis de humidade.
• Reducir custos centrándose nas etapas críticas de crecemento e optimizando insumos como a auga e os fertilizantes.
• Maior produtividade: Facilita a identificación de puntos de mostraxe óptimos e áreas homoxéneas para unha mellor predición do rendemento.

Aplicacións prácticas:
• Monitorización en tempo real da saúde e variabilidade dos cultivos mediante mapas interactivos.
• Planificación da xestión de cultivos baseada nas tendencias dos datos.
• As ferramentas de navegación guían os usuarios aos puntos de mostraxe ou ás zonas problemáticas mediante a integración do GPS. As ferramentas de comparación permiten a análise paralela dos índices de vexetación en diferentes datas ou tratamentos.
Esta plataforma promove a sustentabilidade, a agricultura de precisión e a rendibilidade ao proporcionarlles aos agricultores información práctica adaptada ás súas necesidades específicas.

Desenvolveuse unha plataforma de demostración para simular a predición do rendemento de cítricos a escala supra-pomar, integrouse na plataforma do proxecto e desenvolveuse como unha aplicación interactiva en Google Earth Engine (https://molto-enr.users.earthengine.app/view/citriaforo). Esta plataforma demostra como a planificación e a toma de decisións a grande escala poden ser apoiadas por estimacións de rendemento accesibles e visuais.

A plataforma emprega máis de 3.000 pomares anonimizados con datos escalados. Predí o rendemento total en función da área individual do pomar, variables agroclimáticas (radiación, evaporación, temperatura do aire e do solo e precipitacións) e índices espectrais Sentinel-2: NDRE (relacionado co vigor da vexetación), NDMI (relacionado co contido de auga) e PSRI (relacionado coa senescencia). A ferramenta pódese probar en tres variedades. Tamén se calcula o erro total de predición do rendemento.

As simulacións adestráronse con mostras de datos reducidas (15 % se había máis de 700 pomares, 25 % noutro caso). O noventa por cento das simulacións mostraron erros de rendemento total inferiores ao 10 %.

O deseño adaptable da ferramenta satisfai as necesidades das empresas e organizacións agrícolas, facilitando a planificación do campo e a previsión do rendemento. A súa implementación de acceso aberto fomenta o intercambio de coñecementos e a colaboración entre as partes interesadas.

O resultado 2 do obxectivo R4 permitiu a integración de múltiples fontes de datos doutras actividades nunha única plataforma de visualización, mellorando a experiencia do usuario para unha planificación agrícola eficiente.
Resultados clave:

• Creación dunha plataforma dixital na nube que integre datos de diversas fontes e outras actividades do proxecto (satélite, terra e aire).
  

• Valor engadido para os agricultores:

  Este resultado proporciona aos agricultores unha ferramenta accesible que optimiza a súa experiencia ao reducir o número de solicitudes e accesos a datos, mellorar a competitividade no mercado e fomentar a adopción de tecnoloxía no sector cítrico. Promove a renovación xeracional e facilita a inclusión de mozos e mulleres.

• Aplicacións prácticas para agricultores:
  Centralización da previsión da colleita en diferentes niveis de adquisición de datos, facilitando a organización e as estratexias de consulta.