Grupo Operativo CITRIAFORO: Uso de nuevas tecnologías para la correcta estimación del aforo en cítricos

• App móvil para la estimación del número de frutas a nivel de árbol y protocolo para la estandarización de la adquisición de datos de aforo utilizando un dispositivo móvil.
• Prototipo preindustrial de dispositivo de adquisición de imágenes para la predicción de aforo embarcado en tractor o vehículo terrestre.
• Protocolo para la estandarización de la adquisición de datos de aforo mediante dron y plataforma de gestión de imágenes adquiridas con vehículos terrestres y aéreos.

• Modelo de predicción de aforo supraparcelario basado en fusión de información de diversas fuentes e implementación de una plataforma digital para la estimación de aforo a distintos niveles.

  ---

Este resultado se ha logrado mediante la implementación de una serie de algoritmos para estimar el rendimiento de un campo y el diseño de una plataforma para el monitoreo y la gestión de los datos y resultados del sistema implementado.

Los algoritmos desarrollados consideran diversos parámetros para determinar con la mayor precisión posible el rendimiento o producción esperados en kilogramos del campo, 90 días antes de la cosecha de la fruta. Este proceso es particularmente complejo porque, en ese momento, la fruta aún se encuentra en un estado verde inmaduro, lo que dificulta aún más la identificación y el conteo de las piezas en el árbol.

Además de contar el número de frutos en el árbol, específicamente dentro de un cuadrante seleccionado, es necesario determinar el tamaño o calibre promedio de los frutos. A partir de este tamaño, se puede estimar el peso unitario de cada fruto y luego extrapolarlo, mediante curvas de evolución del crecimiento, al peso esperado justo antes de la cosecha.

Finalmente, el peso obtenido, basado en el número de piezas, su tamaño y peso, se proyecta al número total de árboles en el campo evaluado. Con todo esto obtendremos un resultado en forma de kilogramos o toneladas totales de producción de fruta que rendirá el campo.

El Resultado 3 del Objetivo Específico 1 se ha logrado mediante la definición e implementación de un protocolo diseñado específicamente para la recopilación de datos e información, con el fin de alimentar el sistema de pronóstico de rendimiento. Esto garantiza que, tanto ahora como en el futuro, el sistema pueda automejorarse, aumentando su precisión en la entrega de resultados de pronóstico de rendimiento.

El protocolo considera diversos parámetros como:

• Cultivo y variedad
• Ubicación
• Época del año
• Curvas de evolución del crecimiento
• Datos históricos de producción
• Tablas de equivalencia entre calibres y pesos
• Recuento de frutos
• Índices de corrección
• Superficie de la parcela
• Número de árboles en la parcela

Todos estos datos se recopilan y almacenan en una base de datos diseñada específicamente para explotar esta información a gran escala y utilizarla para mejorar el sistema y aumentar la precisión, reduciendo el margen de error en los resultados.

El protocolo se implementa tanto en dispositivos móviles, a través de la aplicación instalable, como en el servidor, donde se alojan los algoritmos y modelos de datos que realizan el recuento y los cálculos, lo que requiere una alta capacidad de procesamiento.

El protocolo permite la transmisión segura y rápida de información entre los dispositivos móviles de los usuarios y los servidores. Además, durante su desarrollo se consideró la escalabilidad, lo que permitirá la integración de otras tecnologías en el futuro.

Se ha desarrollado un dispositivo preindustrial de adquisición de imágenes de campo, diseñado para ser montado en un tractor. Funciona de forma autónoma mientras el conductor realiza las tareas agrícolas habituales.

Se evaluaron diversos sistemas de captura y análisis de imágenes para identificar la solución óptima. Mediante herramientas de diseño 3D, se fabricaron en plástico los componentes estructurales necesarios para el ensamblaje del dispositivo.

El sistema consta de dos cámaras posicionadas para inspeccionar ambos lados de la hilera de cultivo, una unidad de procesamiento en tiempo real capaz de contar frutos y una pantalla táctil con una interfaz de usuario sencilla. La alimentación se realiza directamente desde la batería del vehículo.

Las pruebas confirmaron que los algoritmos más eficaces se basan en YOLO (You Only Look Once), especialmente en sus últimas versiones (v11). Para el desarrollo de modelos de decisión en tiempo real, se capturaron y etiquetaron más de 50.000 imágenes de cítricos, abarcando múltiples variedades y condiciones de iluminación, lo que contribuyó a una alta robustez del modelo.

El dispositivo se probó en campo en huertos comerciales, obteniendo resultados preliminares con una precisión del 80-85 % con respecto al total de fruta visible, lo que corresponde al 60-70 % del recuento total real. Estos resultados demuestran el potencial del sistema como herramienta de apoyo fiable para la previsión de rendimiento en condiciones reales.

Las actividades del Objetivo 1, bajo el Resultado R3, desarrollaron una metodología que utiliza imágenes multiespectrales de drones y análisis del índice de vegetación para identificar los puntos óptimos de muestreo. Esto permite a los agricultores medir el rendimiento de los frutos (número y peso), evaluar la producción antes de la cosecha y mejorar los cálculos de pronóstico y la logística asociada.

Resultados Clave:
• Puntos óptimos de muestreo mejorados mediante estudios de variabilidad del suelo y análisis del desarrollo vegetativo histórico.
• Mapas georreferenciados de alta resolución para la toma de decisiones basadas en zonas homogéneas dentro de la parcela.
• Se identificaron los períodos críticos para los vuelos de drones durante la campaña, lo que reduce los costos al centrarse en las etapas clave de crecimiento.

Valor añadido/Beneficios:
• Rentabilidad: Menos vuelos de drones y la posibilidad de que los agricultores los realicen de forma independiente.
• Precisión de los pronósticos: Mayor precisión en las predicciones de rendimiento mediante la medición estratégica de los frutos.
• Agricultura de precisión: Optimización del uso de agua y fertilizantes mediante el mapeo de zonas homogéneas y la navegación guiada.
• Mayor productividad: Correlación entre los datos del NDVI, los parámetros de variabilidad del suelo y los rendimientos históricos para mejorar el rendimiento del cultivo.

Aplicaciones Prácticas:
• Monitoreo en tiempo real de la salud y la variabilidad de los cultivos. 

• Planificación eficiente del riego y la gestión nutricional mediante datos del NDVI.
• Operaciones de campo optimizadas con mapas georreferenciados.
Esta herramienta promueve la sostenibilidad, la agricultura de precisión y la rentabilidad, beneficiando directamente a los agricultores.

Las actividades del Objetivo 2, bajo el Resultado R3, permiten una interfaz web intuitiva que integra las muestras puntuales optimizadas resultantes del Objetivo 1. Además, permiten una gestión y un análisis eficientes de los datos agrícolas para respaldar la toma de decisiones y optimizar la gestión de los cultivos.

Resultados Clave:
• Mapas georreferenciados con las muestras puntuales optimizadas en las explotaciones agrícolas.
• Integración de datos que incluye mapas zonales de suelos, índices de vegetación obtenidos mediante drones y satélites, y pronósticos meteorológicos.

Beneficios o Valores Añadidos para los Agricultores:
• Agricultura de Precisión: Permite intervenciones específicas utilizando índices de vegetación para el monitoreo del comportamiento de los cultivos y de los índices de humedad.
• Reduce costos al centrarse en las etapas críticas de crecimiento y optimizar insumos como agua y fertilizantes.
• Mayor Productividad: Facilita la identificación de puntos de muestreo óptimos y zonas homogéneas para una mejor predicción del rendimiento.

Aplicaciones Prácticas:
• Monitoreo en tiempo real de la salud y la variabilidad de los cultivos mediante mapas interactivos.
• Planificación de la gestión de cultivos basada en las tendencias de los datos.
• Las herramientas de navegación guían a los usuarios a los puntos de muestreo o áreas problemáticas mediante la integración de GPS. Las herramientas de comparación permiten el análisis paralelo de los índices de vegetación en diferentes fechas o tratamientos.
Esta plataforma fomenta la sostenibilidad, la agricultura de precisión y la rentabilidad, proporcionando a los agricultores información práctica adaptada a sus necesidades específicas.

Se ha desarrollado una plataforma demostrativa para simular la predicción del rendimiento de cítricos a escala supra-huerto, integrada en la plataforma del proyecto y desarrollada como una aplicación interactiva en Google Earth Engine (https://molto-enr.users.earthengine.app/view/citriaforo). Esta plataforma muestra cómo la planificación y la toma de decisiones a gran escala pueden respaldarse mediante estimaciones de rendimiento accesibles y visuales.

La plataforma utiliza más de 3000 huertos anonimizados con datos a escala. Predice la producción total basándose en la superficie individual del huerto, variables agroclimáticas (radiación, evaporación, temperatura del aire y del suelo, y precipitación) e índices espectrales Sentinel-2: NDRE (relacionado con el vigor de la vegetación), NDMI (relacionado con el contenido de agua) y PSRI (relacionado con la senescencia). La herramienta puede probarse en tres variedades. También se calcula el error de predicción del rendimiento total.

Las simulaciones se entrenan con muestras de datos reducidas (15 % si hay más de 700 huertos, 25 % en caso contrario). El 90% de las simulaciones mostraron errores de rendimiento total inferiores al 10%.

El diseño adaptable de la herramienta satisface las necesidades de las empresas y organizaciones agrícolas, facilitando la planificación de campos y la previsión de rendimiento. Su implementación de acceso abierto fomenta el intercambio de conocimientos y la colaboración entre las partes interesadas.

El Resultado 2 del Objetivo R4 permitió la integración de múltiples fuentes de datos de otras actividades en una única plataforma de visualización, mejorando la experiencia del usuario para lograr una planificación agrícola eficiente.
Resultados Clave:
 

• Creación de una plataforma digital en la nube que integra datos de diversas fuentes provenientes de otras actividades del proyecto (satélite, terrestre y aéreo).
   

• Valor Añadido para los Agricultores:

  Este resultado proporciona a los agricultores una herramienta accesible que optimiza su experiencia al reducir el número de solicitudes y accesos a datos, mejorando la competitividad en el mercado y fomentando la adopción de tecnología en el sector citrícola. Promueve el relevo generacional y facilita la inclusión de jóvenes y mujeres.

• Aplicaciones Prácticas para los Agricultores:
  Centralización de la previsión de cosecha en diferentes niveles de adquisición de datos, facilitando la organización y las estrategias de consulta.