¿Cuándo pueden las tecnologías emergentes brindar mayores ganancias a los productores? Un equipo de destacados horticultores de árboles frutales apuesta que comienza incluso antes de la floración y, con una nueva subvención federal de 4.8 millones de dólares para el manejo de precisión de la carga frutal, pretenden demostrarlo.
“Se trata de un intento de abordar la cantidad de valor que genera un cultivo para un área concreta, en lugar de reducir el costo de los insumos”, explicó Terence Robinson, profesor de horticultura de la Universidad de Cornell y líder del nuevo proyecto.
Las mejores estrategias para el manejo de precisión de la carga frutal disponibles en la actualidad son tediosas, afirmó, y es difícil convencer a los productores de que vale la pena el esfuerzo de contar las yemas antes de la poda o usar el modelo de crecimiento del fruto en desarrollo y el modelo de carbohidratos para aportar mayor precisión al raleo químico. Ahí entra la tecnología basada en la visión computarizada que podría recopilar esos datos para cada árbol del bloque.
La tecnología del software basada en la visión computarizada es la base de la robótica, pero está avanzando más rápidamente que la parte del hardware, señaló Karen Lewis, directora del Programa de Agricultura y Recursos Naturales de la Extensión de la Universidad Estatal de Washington (WSU). Poner esa información en manos (u oídos, u ojos) de trabajadores agrícolas calificados podría contribuir en gran medida a aumentar la precisión del manejo de la carga frutal, apuntó.
“Con la visión computarizada, pensamos que podemos recopilar datos sobre cada árbol, almacenarlos en la nube utilizando mapas de GPS y comunicárselos al trabajador para que guíe sus acciones en cada árbol”, explicó Robinson, quizás utilizando algo como gafas inteligentes o mediante instrucciones de audio.
Esta tecnología podría estar más cerca de lo que los productores piensan. Dos equipos de ingenieros que participan en el proyecto afirman que sus sistemas de visión computarizada ya pueden contar las yemas en desarrollo y seguir el desarrollo del cultivo en cada árbol.
En el proyecto participa un elenco de investigadores de manzanas de la Universidad Cornell, la WSU, la Universidad Estatal de Pensilvania, la Universidad Estatal de Michigan, la Universidad Estatal de Carolina del Norte, la Universidad de Massachusetts, el Instituto Politécnico de Virginia y la Comisión de Investigación de Árboles Frutales del Estado de Washington, junto con la empresa de ingeniería Moog Inc. También abordarán las investigaciones de fisiología básica para comprender la carga frutal óptima de las variedades clave en diferentes regiones y orientar la aplicación de la tecnología. Los miembros del equipo de extensión han reunido a un grupo consultivo del sector para asesorar el proyecto, y un grupo de economistas ayudarán a cuantificar el valor de un manejo cuidadoso de la carga frutal.
“Lo que más me entusiasma es que esto abarca de la yema al cajón”, declaró Lewis. El creciente costo de la mano de obra es una de las principales preocupaciones de los productores de manzanas, y el manejo de precisión de la carga frutal es una de las mejores maneras de garantizar un retorno positivo del capital invertido para esos dólares de la nómina. “Este es realmente el tema de nuestra era”, aseguró.
Tecnología
La visión de Robinson para el proyecto recibió un impulso gracias a una improbable asociación con una empresa de ingeniería con sede en Buffalo, Nueva York, que es mejor conocida por sus contratos de defensa militar.
“Si puedo contar manzanas o yemas en un árbol, puedo contar soldados en el campo de batalla: se trata de la misma tecnología”, afirmó Chris Layer, ingeniero principal de la división de tecnología y actividades avanzadas de Moog.
Antes de recibir la subvención, Layer buscaba oportunidades en el sector agrícola donde su equipo pudiera adquirir experiencia en la navegación de vehículos autónomos, la tecnología de visión computarizada y los sistemas de GPS robustos y de alta precisión que esperan usar algún día en la robótica militar. Una conversación con el especialista de extensión de la Universidad Cornell, Mario Miranda Sazo, y con el productor del oeste de Nueva York, Rod Farrow, le convenció de que el recuento de yemas para los productores de manzanas es un problema que merece la pena resolver.
El verano de 2020, Moog probó un prototipo en los huertos de espalderas superpuntiagudas de Farrow. Mientras conduce a 6.4 u 8 km/h (4 o 5 mph), usa luces brillantes para normalizar la variación de la luz solar mientras toma fotos del dosel. Contar las yemas se hace más fácil a medida que crecen, explicó Layer, pero el prototipo funciona con bastante éxito durante el mes que va desde la punta verde hasta la floración completa. Con el tiempo, piensan poder obtener imágenes de las yemas, las floraciones y los frutos en desarrollo.
Otro equipo de ingenieros que colabora en el proyecto ha desarrollado sistemas de visión computarizada basados en drones que pueden trazar con precisión la evolución de la floración.
“Es un reto porque las yemas son muy pequeñas y para un vehículo terrestre es difícil acercarse al nivel de las yemas, por lo que estamos utilizando drones”, apuntó la ingeniera agrícola de la Universidad Estatal de Pensilvania, Daeun Dana Choi.
Mientras que Choi se ha centrado en los sistemas de visión computarizada, sus colegas, Paul Heinemann y Long He, se centrarán en el objetivo a largo plazo de desarrollar sistemas robóticos que puedan llegar a realizar el trabajo del manejo de la carga frutal. También dirige un proyecto financiado por el Departamento de Agricultura de los Estados Unidos que estudia la robótica para el raleo de la fruta verde, mientras que Choi cuenta con una subvención de la Fundación Nacional de la Ciencia para mapear las fases de floración con el fin de orientar la protección inteligente contra las heladas.
En lo que respecta a la colaboración en la carga frutal, Choi indicó que el reto consiste realmente en procesar la enorme cantidad de datos que generan las imágenes, mediante el aprendizaje automático, y en averiguar cómo traducirlos en conocimientos prácticos.
“Nos proporciona la cantidad de frutos en los árboles, pero el aprendizaje automático no sabe qué hacer con ese número, si es demasiado alto o demasiado bajo”, explicó.
Incluso con la potencia informática actual, el procesamiento de toda esa información visual lleva tiempo. Los robots tendrían que ser capaces de hacerlo en tiempo real, pero los trabajadores podrían tomar decisiones de poda o raleo con la información recopilada en los vuelos de los drones del día anterior y procesada durante la noche, apuntó Heinemann. Comparó la evolución de la tecnología con el desarrollo de los vehículos autónomos.
“¿Con qué contamos ahora? Contamos con el asistente de carril y el control de crucero adaptativo y otras funciones de seguridad de asistencia al conductor”, indicó. “Estamos dando esos pasos y juntando esas piezas para utilizar todo lo que podamos antes de alcanzar la automatización total”.
Fisiología
La tecnología es solo la mitad del proyecto.
Para aplicar la tecnología con éxito, los productores tendrán que saber cuál es la carga frutal óptima e, idealmente, cómo seleccionar las mejores yemas en desarrollo.
“Si los ingenieros pueden crear sistemas de visión computarizada y la tecnología adecuada para tomar esa información y reducir la carga frutal, nos encantaría ralear las yemas”, señaló Todd Einhorn, profesor de horticultura de la MSU. “Si pudiéramos reducir con precisión nuestra carga de flores mediante la elección de las yemas que queremos, ¿cómo las escogeríamos?”.
Los productores ya saben que deben favorecer el cuajado de la fruta durante la floración real, la cual da lugar a frutas más grandes que la floración lateral, afirmó Einhorn. Quiere saber si esa ventaja en la tasa de crecimiento de las frutas se origina en la yema, y si es así, en qué momento se puede detectar la diferencia.
Para entender cómo varía la carga frutal óptima según la región, Robinson y Einhorn, junto con Stefano Musacchi de la WSU y Tom Kon de la NCSU, realizarán estudios en los que se examinarán las variedades Gala y Honeycrisp en cada región, junto con las variedades regionales clave, como la WA 38 en Washington.
“Para cada clima existe una cantidad potencial de frutos que el árbol debe tener para maximizar el valor de la cosecha en el mercado”, señaló Robinson. “Queremos saber cuál es el potencial climático de cada variedad, y luego los economistas nos ayudarán a centrarnos en cuál es el valor máximo de la cosecha”.
Otra cuestión fisiológica planteada por esta posible tecnología está relacionada con el modelo de crecimiento del fruto en desarrollo que los productores pueden utilizar para predecir qué frutas caerán, de modo que puedan aplicar los raleadores con mayor precisión. El modelo funciona mediante la medición repetida del crecimiento de frutos en desarrollo que son marcados para obtener la tasa de crecimiento a lo largo del tiempo. Sin embargo, un sistema de visión computarizada observaría la distribución del tamaño de muchos más frutos en desarrollo, señaló Einhorn.
“Los frutos pequeños pueden ser pequeños y tener una alta tasa de crecimiento”, agregó, lo que indica que no es probable que se caigan. Los fisiólogos tendrán que averiguar cómo ajustar el enfoque para usar los datos que pueden proporcionar los sistemas de visión computarizada. “Tenemos que averiguar cómo podrían ayudar (los datos de visión computarizada) a los productores a realizar sus reaplicaciones en el momento óptimo”, apuntó.
La combinación de estas cuestiones fundamentales de investigación fisiológica con la tecnología para hacer que la información sea procesable hace que este sea un “proyecto pionero”, según Musacchi, fisiólogo de frutas de árbol de la WSU.
“Ahora mismo, vas al campo durante la floración y todo parece homogéneo, pero no lo es”, aseguró. “Desde el punto de vista fisiológico, el raleo es la actividad más incierta que se realiza en el huerto”.
Hay un dicho común en el sector: que los productores “rocían y rezan”, porque hay muchos factores que influyen en los resultados del raleo, agregó Musacchi. Este proyecto permitirá comprender mejor el funcionamiento del raleo. “Si se aporta más ciencia, se puede mitigar el riesgo”, concluyó.
—por Kate Prengaman
