Nuevos avances en el uso de la visión por computador en olivicultura
Una investigación desarrollada por la Universidad de Huelva ha validado el uso de la visión por computador para mejorar los procesos de producción en olivicultura y ha desarrollado distintas metodologías que ayudan a la clasificación de los frutos.
La investigación forma parte de la tesis doctoral realizada por Juan Manuel Ponce y dirigida por los profesores Juan Manuel Andújar y Arturo Aquino, del Departamento de Ingeniería Electrónica, de Sistemas Informáticos y Automática.
Durante los tres años que ha durado la investigación se han abordado, con objeto de validar el uso de estas técnicas, tres líneas distintas.
En primer lugar, los investigadores se centraron en el uso de técnicas de visión por computador (VC) para apoyar tareas de poscosecha, desarrollando metodologías para la detección de aceitunas en imágenes digitales tomadas en laboratorio, y la posterior estimación del tamaño y peso de cada fruto, buscando automatizar su categorización.
Tras comprobar con éxito la viabilidad el uso de esas técnicas, se exploró el uso de Redes Neuronales Convolucionales (RNC) para generar clasificadores de imagen capaces de etiquetar cada región de píxeles perteneciente a un fruto de acuerdo con la variedad de aceituna a la que potencialmente pertenece.
Así, se logró prototipar un sistema integral de Visión Artificial, capaz de realizar la captura de imágenes de aceitunas, la detección automática y caracterización morfológica de éstas, y su clasificación atendiendo a su variedad que podría instalarse en las cintas transportadoras donde se transportan las aceitunas.
Como segundo hito, la investigación abordó al desarrollo de una metodología para la detección de frutos en los propios árboles, en imágenes de olivos tomadas directamente en la zona de cultivo, como primer paso en la obtención de una solución con la que automatizar, mediante técnicas de VC, la estimación precosecha del rendimiento del olivar.
La investigación resultó en un algoritmo capaz de detectar aceitunas visibles en imágenes digitales de olivos tornadas por la noche y con iluminación artificial, mediante la aplicación de clasificadores de imagen basados en RNCs.
Por último, se estudió la aplicabilidad de sistemas basados en el uso de imágenes aéreas en el sector olivícola que permitiera la detección automática y caracterización morfológica de olivos en capturas aéreas, dando como resultado un novedoso procedimiento que, a partir de imágenes aéreas multiespectrales, utiliza técnicas fotogramétricas para generar representaciones tridimensionales de las zonas de cultivo estudiadas.
