Como se ve en esta imagen, los investigadores de Cornell colocan un teléfono inteligente en un vehículo todoterreno y lo mueven de noche por las hileras de viñedos. La cámara del teléfono inteligente graba un vídeo y una aplicación lo utiliza para contar los racimos. Los resultados obtenidos hasta ahora muestran que este método de estimación de la carga frutal es más preciso y menos costoso que los métodos más tradicionales. (Cortesía de la Universidad de Cornell)
Como se ve en esta imagen, los investigadores de Cornell colocan un teléfono inteligente en un vehículo todoterreno y lo mueven de noche por las hileras de viñedos. La cámara del teléfono inteligente graba un vídeo y una aplicación lo utiliza para contar los racimos. Los resultados obtenidos hasta ahora muestran que este método de estimación de la carga frutal es más preciso y menos costoso que los métodos más tradicionales. (Cortesía de la Universidad de Cornell)

Calcular el rendimiento de un viñedo no es fácil. Se puede pagar a alguien para que cuente los racimos en una parte del viñedo y, a continuación, extrapolar esa cifra para dar cuenta de todas las vides. Pero ese método manual es costoso, laborioso y notablemente inexacto. Puede utilizar uno de los muchos y sofisticados sistemas de cámaras de escaneo de viñedos que ahora están disponibles, que toman imágenes de las uvas y las utilizan para estimar la carga frutal. Pero es una solución costosa para un productor pequeño o mediano.

Lo que los viticultores dicen que quieren es un método de estimación de la cosecha que sea preciso, barato y fácil de usar. Por ejemplo: acoplar un teléfono inteligente a un tractor o a un vehículo todoterreno, recorrer una calle, grabar un video o fotografiar los racimos y que una aplicación utilice esas imágenes para estimar los rendimientos.

Investigadores de la Universidad de Cornell y de la Universidad Estatal de Washington han estudiado este enfoque en proyectos separados, y ambos han desarrollado aplicaciones para teléfonos inteligentes que deberían estar disponibles en el mercado en los próximos años.

La necesidad de estimar el rendimiento con precisión es crucial. Después de una sequía en 2016, por ejemplo, algunos productores de uva de Nueva York recogieron una cosecha que era un 30 % mayor que sus estimaciones originales. Les costó encontrar un hogar para toda esa fruta inesperada, señaló la profesora de ciencias de las plantas de Cornell Justine Vanden Heuvel.

La mayoría de las estimaciones de cosecha se basan en un muestreo manual limitado, y las estimaciones pueden variar mucho, informó la profesora de ingeniería de Cornell Kirstin Petersen.

Las nuevas tecnologías de visión por computadora pueden estimar los rendimientos con mayor precisión, y las aplicaciones y las cámaras de los teléfono inteligentes pueden poner estas tecnologías al alcance de los pequeños y medianos productores. Hoy en día, los teléfonos inteligentes son “increíblemente eficaces”, con buenas cámaras, alta velocidad de procesamiento y amplio espacio de memoria, afirmó Petersen.

En los ensayos de Cornell, se cuelgan luces del vehículo todo terreno para iluminar las hileras de viñedos. El teléfono inteligente se coloca en un soporte llamado cardán que se sujeta a un trípode delante del asiento del pasajero. El equipo de Cornell realiza pruebas nocturnas para que la cámara pueda filtrar mejor los objetos de fondo. (Cortesía de Jonathan Jaramillo/Universidad de Cornell)
En los ensayos de Cornell, se cuelgan luces del vehículo todo terreno para iluminar las hileras de viñedos. El teléfono inteligente se coloca en un soporte llamado cardán que se sujeta a un trípode delante del asiento del pasajero. El equipo de Cornell realiza pruebas nocturnas para que la cámara pueda filtrar mejor los objetos de fondo. (Cortesía de Jonathan Jaramillo/Universidad de Cornell)

Vanden Heuvel y Petersen unieron sus fuerzas hace unos años para estudiar la estimación de la cosecha mediante un teléfono inteligente y una aplicación. Recibieron ayuda financiera de la Fundación Nacional de Ciencias, el Instituto Nacional de Alimentación y Agricultura del Departamento de Agricultura de los Estados Unidos y el Instituto de Agricultura Digital de Cornell. Uno de los estudiantes de doctorado de Petersen, Jonathan Jaramillo, dirigió el diseño de la tecnología.

Llevan a cabo pruebas en un viñedo de Cornell formado con espalderas con un sistema de soporte vertical en Lansing, Nueva York. El equipo realiza las pruebas por la noche, cuando la falta de luz natural hace que la iluminación sea más uniforme. El operador conduce por la calle de un viñedo, iluminando las vides, mientras la cámara graba los racimos. La grabación se sube a un servidor que procesa los datos y proporciona una estimación del número de racimos.

Petersen dijo que las grabaciones pueden hacerse durante el día si es necesario, pero hay menos riesgo de cometer errores por la noche porque la cámara puede filtrar más fácilmente los objetos que enturbian el fondo.

Imagen de la vid captada mediante un teléfono inteligente en las pruebas de Cornell. Los pequeños cuadrados blancos destacan la forma en que la cámara cuenta los racimos. (Cortesía de Jonathan Jaramillo/Universidad de Cornell)
Imagen de la vid captada mediante un teléfono inteligente en las pruebas de Cornell. Los pequeños cuadrados blancos destacan la forma en que la cámara cuenta los racimos. (Cortesía de Jonathan Jaramillo/Universidad de Cornell)

Según sus resultados, el método del teléfono inteligente logró un error medio de recuento de racimos del 4.9 % en dos temporadas de cultivo y dos cultivares, en comparación con el error medio de recuento de racimos del método manual del 7.9 % en el mismo conjunto de datos.

Otra ventaja del método del teléfono inteligente es que puede utilizarse antes de la floración, mientras el dosel está poco poblado, lo que mejora la visibilidad y proporciona estimaciones de rendimiento más tempranas que los métodos tradicionales. Una vez pasada la floración, algunos racimos pueden quedar ocultos debido a las hojas o los brotes más largos y son más difíciles de detectar a medida que avanza la temporada, explicó Vanden Heuvel.

Tras varias temporadas de ensayos, los investigadores de Cornell saben que disponen de una tecnología accesible capaz de realizar estimaciones precisas. Este verano probarán su aplicación sobre el terreno y esperan que esté disponible en el mercado en el próximo año, informó Vanden Heuvel.

Con la financiación del programa de investigación sobre la uva y el vino de la Comisión del Vino del Estado de Washington, un equipo de investigadores dirigido por el profesor de la WSU Manoj Karkee también estudia la estimación del rendimiento de los viñedos mediante la cámara de un teléfono inteligente y una aplicación en el noroeste del Pacífico.  

Imagen de la planta de vid captada mediante un teléfono inteligente en las pruebas de la Universidad Estatal de Washington (WSU). Los pequeños círculos amarillos señalan la forma en que la cámara de la WSU cuenta los racimos. Los proyectos de la WSU y de Cornell son distintos, pero trabajan con el mismo objetivo. (Cortesía de Manoj Karkee/Universidad Estatal de Washington)
Imagen de la planta de vid captada mediante un teléfono inteligente en las pruebas de la Universidad Estatal de Washington (WSU). Los pequeños círculos amarillos señalan la forma en que la cámara de la WSU cuenta los racimos. Los proyectos de la WSU y de Cornell son distintos, pero trabajan con el mismo objetivo. (Cortesía de Manoj Karkee/Universidad Estatal de Washington)

El equipo de Karkee ha recopilado datos de los viñedos en el Centro de Investigación y Extensión de Agricultura Irrigada de WSU en Prosser durante unos años y ha perfeccionado su propia aplicación. Planean probarla pronto en huertos comerciales y esperan tener una versión inicial en manos de los viticultores en el próximo año. Están estudiando otras posibles funciones que podrían proporcionar estimaciones aún más precisas, como la capacidad de contar bayas dentro de cada racimo y estimar el peso de los racimos a partir de imágenes.

Karkee también quiere ampliar las funciones de la aplicación más allá de la estimación de la cosecha: para medir el impacto de las enfermedades en las hojas, por ejemplo, o detectar la etapa de retraso, una etapa fisiológica importante en el crecimiento de la uva, afirmó.

por Matt Milkovich