Investigadores desarrollan un algoritmo para medir la morfología de la fruta

Un equipo de investigación del Centro de Investigación en Agrigenómica (CRAG) ha desarrollado un método computarizado automatizado y rentable para evaluar la forma y el color de la fruta que ayudará a aumentar la eficiencia agrícola. El estudio, publicado en la revista científica Plant Phenomics , se realizó utilizando imágenes de fresa, aunque este algoritmo de aprendizaje automático se puede aplicar fácilmente a otras frutas, como manzanas, tomates y cítricos. El software también puede predecir virtualmente la forma y apariencia de la fruta, proporcionando una poderosa herramienta de simulación para diseñar nuevos cruces. El equipo de investigación ha dado acceso gratuito al código para que la comunidad pueda adaptarlo a sus necesidades.

Implementación de algoritmos de aprendizaje profundo

El equipo investigador tomó fotografías de unas 2.000 fresas, tanto de exterior como de medio corte, de diferentes líneas de mejora facilitadas por la empresa Planasa y las recogió en la campaña 2018 en Huelva (España). “Evaluar la forma de un objeto dado, una fresa en este caso, a partir de una fotografía no es tan sencillo como parece. Los descriptores lineales clásicos – área, perímetro, altura, ancho… – tienen ciertas limitaciones que llevan a la pérdida de información relevante al simplificar extremadamente las características morfológicas. Para evaluar la forma de manera más detallada, complementamos estos métodos lineales con técnicas multivariadas y de aprendizaje profundo ”, afirmó la primera autora del artículo, Laura M. Zingaretti, quien realizó este trabajo como parte de su tesis doctoral en el CRAG.

Al combinar estos métodos, el equipo de investigación pudo generar software automatizado que analiza patrones de forma y color extraídos de imágenes de fresa. La herramienta que desarrollaron es mucho más automatizada que sus predecesoras, ya que requiere una mínima intervención del usuario y un tiempo de computación limitado, lo que proporciona una forma económica y rápida para la evaluación de fenómenos fenómicos.

Una herramienta para mejorar la eficiencia agrícola

“Además del análisis morfológico, nuestra herramienta de aprendizaje profundo es capaz de predecir la aparición de nuevos cruces de frutas. Este aporte puede ser muy valioso en el primer paso de los programas de mejoramiento vegetal, ya que permitiría evaluar varios cruces sin necesidad de probarlos directamente en campo, ahorrando tiempo y recursos ”, afirmó Miguel Pérez-Enciso, investigador ICREA del CRAG y codirector del estudio.

“Esta herramienta también tiene el potencial de ser adaptada para medir los rasgos fenómicos visuales de los frutos directamente en el campo, para analizar otras características de conformación vegetal (hojas, flores, raíces …), o para la evaluación temprana de enfermedades, ”afirmó Amparo Monfort, investigadora del IRTA del CRAG y codirectora del trabajo.

Articulo anterior

Artículo siguiente

ARTÍCULOS RELACIONADOS

Freshuelva trata la problemática de los envases y los seguros de los fru...

Perú: la evolución de una supermarca

Producción de arándanos en México crece 5 años seguidos