Publicidad Bajar al sitio
| Infocampo, noticias del campo

Logran calcular el rendimiento en árboles frutales con análisis de imágenes digitales

Lo efectuaron investigadores del INTA Alto Valle. Esta tecnología se posiciona como una alternativa eficiente ante las prácticas manuales actualmente utilizadas por el menor tiempo que emplea y a la mayor precisión que otorga.

28.12.2020
Infocampo
Infocampo

Unos investigadores del de Río Negro lograron calcular el rendimiento en montes por medio del análisis de imágenes digitales.

Esta se posiciona como una alternativa eficiente ante las prácticas manuales actualmente utilizadas debido principalmente al menor tiempo que emplea en el análisis y a la mayor precisión que otorga.

×

Para realizar las estimaciones mediante este método, es necesario conocer la cantidad de frutos presentes en los al momento de cosecha, así como también su peso.

Actualmente, los rindes de los montes frutales se estiman a partir de una selección de chacras con el objetivo de hacer un pronóstico a escala regional. Por su parte, la posibilidad de estimar el rendimiento en cada monte productivo presenta ventajas comparativas para planificar la logística de recolección, transporte y comercialización de los frutos.

Para pronosticar la producción en frutales de pepita, es necesario conocer tanto el número como el tamaño de los frutos presentes en los árboles, a fin de estimar su peso a la cosecha.  Para realizar este cálculo, se utilizó el análisis de imágenes digitales RGB (rojo, verde y azul, por sus siglas en inglés).

“Hasta el momento, la metodología utilizada en la región para recolectar esta información es el conteo manual del número de frutos, y la medición del diámetro ecuatorial de los frutos utilizando un calibre”, explicó la investigadora del INTA Alto Valle, Dolores Del Brío, quien reconoció: “Estas metodologías no siempre son precisas y requieren mucho tiempo de medición a ”.

En este sentido, Del Brío remarcó la importancia de evaluar metodologías alternativas que optimicen las mediciones en tiempo de trabajo y calidad de resultados.

En función de los resultados, la investigadora puntualizó que “la metodología propuesta podría utilizarse para la estimación del diámetro de la fruta, mientras se avanza en el desarrollo de una metodología para la estimación del número de frutos, en pos de utilizar –a futuro– ambas metodologías en el diseño de un modelo de predicción local de cosecha a partir de análisis de imágenes”.

El número y tamaño de los frutos en el monte frutal son dos variables que junto a otros datos como condiciones climáticas o tareas de manejo cultural, podrían ser incluidas en el modelo predictivo.

“Hoy las empresas tienen distintas formas de hacer predicción de cosecha, pero los resultados no son precisos; contar con una herramienta de pronóstico les permitirá ajustar los insumos y los tiempos en relación con la logística”, agregó la del INTA.

el procedimiento

Se consideraron dos situaciones diferentes con el fin de obtener información comparativa. Por un lado, se realizó una evaluación en condiciones de laboratorio con manzanas cv. ‘Red Chief’, mientras que por otro se trabajó en condiciones de campo en una parcela de manzanas cv. ‘Cripps Pink’.

En relación a la muestra analizada en el laboratorio del organismo, estaba compuesta por 106 frutos de diferentes tamaños comerciales. Los frutos se colocaron en bandejas de celulosa, se numeraron y se midió su diámetro ecuatorial de forma manual con un calibre digital. Luego, se tomaron las imágenes a cada bandeja con una cámara de fotos de 12 megapíxeles, en las que se colocó un objeto de dimensiones conocidas.

Por su parte, el trabajo de campo se basó en 103 frutos ubicados en 17 árboles. Se enumeraron los frutos, se midió el diámetro ecuatorial de cada uno en forma manual y se tomaron las imágenes de cada planta, luego de colocar un objeto de dimensiones conocidas en cada una como se hizo en las bandejas.

Para realizar el análisis de las imágenes, se utilizó el software ImageJ. En tanto, para el ajuste de la escala en cada foto, se trazó una línea recta sobre el objeto de dimensiones conocidas (con la herramienta selección de línea) y luego se utilizó la función Analyze-set scale para convertir el valor de distancia en pixeles arrojado por defecto por ImageJ, a un valor de distancia conocida en milímetros.

En cuanto a la estimación del diámetro de cada fruto presente en la imagen, se trazó una línea sobre la zona ecuatorial del fruto (con la herramienta selección de línea) y con la función Analyze-measure se determinó la longitud seleccionada.

Por último, se realizó una correlación de Pearson entre los diámetros obtenidos manualmente y los estimados a partir de imágenes digitales para cada situación analizada.

24.11.2020 | Por Infocampo

Nesters desembarca en Uruguay con su Red de Potenciación y el foco en la transformación digital

Clara Barthe, gerente general de la firma, le contó a Infocampo de qué se trata la regionalización de la propuesta. Cómo participar.

18.11.2020 | Por Infocampo

Aporte de humedad y humus, las ventajas de realizar un “mulching” para la huerta

Esta labor comúnmente se implementa en los cultivos de hortalizas y de fácil preparación. Las aplicaciones y las diferentes maneras de prepararlo.

17.12.2020 | Por Infocampo

Walter Pistelli, el contratista que se adaptó a la pandemia con tecnología y conectividad

Oriundo de Córdoba, tiene amplia trayectoria en campos a lo largo y ancho del país. Cómo la tecnología de John Deere obtuvo un valor especial en este año tan particular.