KIBOT
investigación de variables nuevas en la planta del kiwi
Investigación de nuevas variables relacionadas con el desarrollo vegetativo de la planta del kiwi, que permitan estimar el rendimiento de una plantación de kiwis de forma rápida, fiable y con coste reducido, meses antes de que aparezca el fruto, de cara a tener margen suficiente para llevar a cabo acciones que permitan aumentarlo si no es el esperado, e identificar posibles plagas o enfermedades que puedan afectar a la planta antes de que se produzcan daños irreversibles.
Investigación de nuevas variables relacionadas con el desarrollo vegetativo de la planta del kiwi, que permitan estimar el rendimiento de una plantación de kiwis de forma rápida, fiable y con coste reducido, meses antes de que aparezca el fruto, de cara a tener margen suficiente para llevar a cabo acciones que permitan aumentarlo si no es el esperado, e identificar posibles plagas o enfermedades que puedan afectar a la planta antes de que se produzcan daños irreversibles.
Retos
Investigar sobre la forma de adquirir información de las variables mencionadas anteriormente de manera automatizada utilizando tecnologías vinculadas a la industria 4.0 (visión artificial, IoT…).
Desarrollar un software basado en inteligencia artificial capaz de predecir el número de frutos y su volumen de una plantación a partir de la información adquirida.
Validar la fiabilidad de dicho software comparando los datos obtenidos con el número y volumen de los frutos que finalmente crezcan, cuyo conteo se realizará también de forma automática.
Investigar la influencia de variables como humedad del suelo o temperatura ambiente en las posibles desviaciones que se produzcan entre el rendimiento esperado y el alcanzado finalmente.
Solución
Un modelo, que obtendrá datos de las plantas de forma automática, no invasiva y no destructiva, mediante un sistema de visión artificial capaz de obtener imágenes RGB y 3D de la parte inferior y superior de la planta, que posteriormente se analizarán para caracterizar la morfología de cada rama (grosor, longitud, número de brotes…) y poder estimar el número de frutos a cosechar.
El modelo también contará con un segundo modo de funcionamiento para contar el número de frutos y su volumen, una vez ya sean visibles, para lo que se basará en imágenes tomadas desde la parte inferior de la planta hacia arriba, que se analizarán mediante algoritmos y modelos de reconocimiento basados en Deep Learning y una combinación de técnicas de visión 3D clásica, complementada con modelos específicos de redes neuronales.
Noticias relacionadas
Entidades participantes
Entidades subcontratadas
IDONIAL
La Rodriga