La laboriosa tarea de recolectar a mano las delicadas moras es imprescindible, pero el desarrollo de tecnologías avanzadas por parte de científicos del Estado de Misisipi podría ayudar a automatizar el tedioso proceso.
Muchos cultivos agrícolas se cosechan a gran velocidad con máquinas, y el profesor adjunto de la MSU Xin Zhang, del Departamento de Ingeniería Agrícola y Biológica, está trabajando con un equipo universitario para hacer lo mismo con las moras maduras, llevando este cultivo especializado de alto valor de la manipulación especial a la recolección robotizada.
En la Estación Experimental Agrícola y Forestal de Misisipi de la universidad, Zhang y su equipo están desarrollando un sistema de detección y localización de moras, los "ojos" y el "cerebro" de un sistema robótico de recolección impulsado por un innovador enfoque de aprendizaje profundo basado en inteligencia artificial.
Zhang es coinvestigador principal de un programa multiinstitucional dotado de un millón de dólares financiado por el programa National Robotics Initiative 3.0 (NRI-3.0) del Instituto Nacional de Alimentación y Agricultura del USDA en colaboración con la Fundación Nacional de Ciencias.
Mientras el equipo de la MSU desarrolla este componente crucial de la cosechadora automatizada, sus socios del Georgia Tech trabajan en un brazo robótico y una pinza de tacto suave, así como en una plataforma móvil bípeda, para trabajar mano a mano con el sistema de percepción entrenado por la MSU. El prototipo de pinza está equipado con sensores situados en los extremos –como diminutas yemas de los dedos– que le permiten agarrar y arrancar la baya sin apretarla ni dañarla. Los científicos de la Universidad de Arkansas se encargan del análisis de la fruta tras la recolección.
El sistema de percepción diseñado por Zhang y su equipo funciona con YOLOv8 (You Only Look Once, versión 8), un modelo de detección de objetos basado en la visión que identifica y localiza objetos de interés –en este caso, moras maduras– con rapidez y precisión. Este tipo de tecnología es lo bastante potente como para servir de apoyo a robots, sistemas de vigilancia y vehículos autónomos.
El equipo entrenó una serie de modelos YOLO no solo para identificar cada mora de los arbustos, sino también para detectar su nivel de madurez: madura (de color negro), en maduración (roja) e inmadura (verde). En el proceso se utilizaronmás de 1.000 imágenes de las copas de las plantas en varias plantaciones comerciales de Arkansas a fin de preparar al sistema para seleccionar simultáneamente las moras maduras listas para la cosecha y hacer un seguimiento de las demás como preparación para la siguiente ronda de recolección.
"Nuestro objetivo principal es detectar las bayas maduras para la cosechadora robotizada, pero hemos añadido las otras dos categorías para obtener un recuento total de bayas", explica Zhang. "De esta forma, el sistema no solo identifica las bayas listas para la cosecha, sino que también ayuda a proporcionar a los productores estimaciones de su cosecha total".
Durante las pruebas con múltiples configuraciones y variantes, el modelo de mejor rendimiento tuvo una precisión del 94% en la identificación de bayas maduras, del 91% en la de bayas en proceso de maduración y del 88% en la de bayas inmaduras. También detectó imágenes de una resolución impresionante en tiempo real, con un tiempo de 21,5 milisegundos por imagen.
"El sistema de percepción identifica la baya y envía coordenadas tridimensionales, incluida la distancia, al brazo robótico, que utiliza esa información para alcanzarla y recolectarla", explica Zhang. "Es fundamental que nuestro sistema de percepción se comunique con rapidez y precisión con el brazo y el sistema de pinzas".
Aparte de sus contribuciones a la cosechadora, Zhang y su equipo están empezando a desarrollar una aplicación móvil basada en su sistema de detección de imágenes.
"La aplicación es un proyecto aparte, pero permitiría a los agricultores prever, de una forma rápida y sencilla, su cosecha total al principio de la temporada de recolección para que puedan ajustar rápidamente su estrategia comercial", explica.
Fuente: msstate.edu