Automatic fruit count on coffee branches using computer vision Automatic fruit count on coffee branches using computer vision

En este artículo se propone un método no destructivo para contar el número de frutos en una rama de café utilizando información obtenida a partir de imágenes digitales de un solo lado de la rama y de los frutos que crecen en ella. Para ello, se analizaron 1018 ramas de café en diferentes estados de maduración, con distintos números de frutos, fechas de cosecha, variedades y etapas del ciclo de vida de los cafetos. Se construyó un Sistema de Visión Artificial (MVS, por sus siglas en inglés) capaz de contar e identificar frutos cosechables y no cosechables en un conjunto de imágenes correspondientes a una rama específica de café. Este sistema está compuesto por un sistema de adquisición de imágenes basado en dispositivos móviles, que no requiere controlar las condiciones ambientales, y por un algoritmo de procesamiento de imágenes para clasificar y detectar cada uno de los frutos presentes en las imágenes capturadas. Después de obtener información sobre el número de frutos identificados por el MVS, se construyeron modelos de estimación lineal entre los frutos detectados automáticamente y los observados directamente en la rama. Estos modelos se calcularon para tres categorías de frutos: cosechables, no cosechables y frutos cuya etapa de maduración fue ignorada. Los modelos relacionan los frutos contados automáticamente con los realmente observados, obteniendo un coeficiente de determinación (R²) superior a 0,93 en una relación uno a uno. Además de estimar el número de frutos en la rama, el MVS también permite estimar el porcentaje de maduración y el peso de los frutos. El sistema fue validado en cuatro lotes de café Variedad Castillo®, con diferentes etapas de desarrollo y distintas densidades de siembra. Los resultados mostraron que el MVS no sobreestima ni subestima el número de frutos y presenta una correlación superior a 0,90 en etapas tempranas del desarrollo del cultivo, cuando los frutos aún no son cosechables. La información obtenida en esta investigación permitirá el desarrollo de una nueva generación de herramientas para los caficultores. Se trata de un método eficiente, no destructivo y de bajo costo que proporciona información útil para planificar las labores agrícolas y obtener beneficios económicos mediante una adecuada administración de los recursos.

Citación APA 7ed: