Investigadors de la Universitat de Lleida (UdL) i de l’Institut de Recerca i Tecnologia Agroalimentàries (IRTA) han desenvolupat una aplicació mòbil que permet estimar el calibre de les pomes a partir d’una fotografia presa directament a l’arbre. FruitMeasureApp utilitza intel·ligència artificial per detectar els fruits i calcular-ne el diàmetre, sense necessitat de connexió a internet.
L’aplicació funciona amb un suport imprès en 3D que es col·loca al telèfon mòbil i permet obtenir les mesures sobre el terreny. Les dades es poden ordenar per parcel·les i dies i utilitzar-se per analitzar l’evolució del calibre dels fruits. Segons els investigadors, aquesta informació pot ser útil en la planificació de l’aclarida, la collita i la comercialització.
L’eina és gratuïta i els responsables del projecte preveuen que les proves dels mateixos professionals del sector serveixin per detectar aspectes que encara calgui millorar.
El responsable del projecte i investigador de la UdL, Eduard Gregorio, assenyala que la principal diferència respecte dels mètodes tradicionals és que la mesura es pot automatitzar. En les primeres fases de creixement, el sistema pot detectar diversos fruits en una mateixa imatge, en lloc d’haver-los de mesurar individualment.
Dades que arriben a la central abans que la fruita
La utilitat de l’eina també es trasllada a la fase de comercialització. Xavier Perera, tècnic de camp de Nufresco, explica que disposar de les dades de calibre directament a la finca permetria prendre decisions «quasi in situ i instantàniament». En el cas de les centrals fructícoles, remarca que és una dada «superimportant i vital d’obtenir com més aviat millor», perquè el preu que rep el pagès i el que paga el client final depèn, entre altres factors, del calibre.
Una IA entrenada amb milers de pomes
Per desenvolupar FruitMeasureApp s’han utilitzat 2.377 imatges amb 4.370 pomes de diferents varietats i estadis de maduresa. Posteriorment, el sistema s’ha avaluat amb més de 3.000 fruits de cinc varietats i en finques diferents de les utilitzades per entrenar el model. Els resultats mostren un error mitjà absolut d’entre 1,28 i 2,11 mil·límetres segons el mode de mesura i una correlació elevada amb les mesures manuals amb peu de rei, amb un coeficient de determinació (R²) de 0,987.
Gregorio explica que la part més costosa del desenvolupament no és tant programar l’aplicació com aconseguir i preparar les dades, atès que cada fotografia s’ha d’etiquetar perquè la xarxa neuronal aprengui a identificar els fruits. El projecte acumula quatre anys de desenvolupament.
Proves amb cireres
Tot i els bons resultats, els responsables del projecte assenyalen que encara cal millorar la capacitat de detecció de l’aplicació, especialment en fruits de calibre reduït, abans de poder-ne garantir l’ús en determinades operacions com l’aclarida.
Actualment, la tecnologia està centrada en la poma, però els investigadors ja treballen per ampliar-la a altres fruites. «Hem començat ja a fer mesures amb cireres», explica Gregorio, que apunta que el següent pas serà utilitzar aquestes dades per entrenar un nou model.
