Fruitscan pone la tecnología de visión artificial al servicio de la agricultura con el fin de contar el número de frutos existentes en las plantaciones de frutales para optimizar la cosecha.

El aclareo manual y la estimación de la producción de la cosecha son dos tareas clave en la producción frutícola, por ello el Instituto de Investigación y Tecnología Agroalimentarias (IRTA) y del Departamento de Acción Climática, Alimentación y Agenda Rural (DACC), han puesto en marcha el proyecto demostrativo Fruitscan, que tiene como objetivo difundir y validar la tecnología de Visión Artificial para el conteo del número de frutos en plantaciones de frutales.

Gracias a las tareas desarrolladas por los técnicos de ambas entidades se puede llegar a validar la efectividad de la tecnología de Visión Artificial, tanto en las explotaciones agrícolas de fruta como en las centrales hortofrutícolas.

Con la implantación de esta tecnología, se puede mejorar la eficacia del aclareo manual de las plantaciones de frutales, y así optimizar la gestión de la mano de obra y de los recursos necesarios para la cosecha, lo que al final redunda en mejores resultados económicos y también más sostenibles, ya que se puede ahorrar en el uso de agua y abonos. Además, ajustar el número de frutos con mayor precisión y eficiencia debería permitir adaptarse mejor a las demandas del mercado y reducir a su vez el desperdicio en esta fase de la producción.

En un primer momento, la tecnología de Visión Artificial aplicada a la detección del número de frutos en el árbol a partir de la captura de imágenes se realizaba mediante técnicas y algoritmos con los que se intentaba identificar características predefinidas de los frutos como ahora el tamaño, forma, color o textura de las imágenes.

Más recientemente, con el desarrollo de procedimientos de Inteligencia Artificial, Machine Learning y Deep Learning, el análisis de imágenes para la detección y conteo de frutos no parte de características definidas con antelación, sino que se extraen a partir de un proceso de entrenamiento de los algoritmos. Esta aproximación ha permitido un progreso muy rápido en el análisis de imágenes y la detección de objetos en general, mostrando los algoritmos un grado de acierto muy elevado.