La agricultura moderna ha evolucionado adoptando avances técnicos como máquinas para arar y cosechar, riego controlado, fertilizantes, pesticidas, investigación genética y mejoramiento genético de cultivos. Estos han ayudado a los agricultores a producir grandes cosechas de buena calidad de una manera bastante predecible.

Pero aún queda mucho por hacer para obtener los mejores rendimientos posibles de diferentes tipos de suelos. Y todavía se producen grandes pérdidas, especialmente durante y después de la cosecha, donde el control y la manipulación de los productos no se realizan bien. La industria necesita soluciones inteligentes y precisas y estas están disponibles a través de nuevas tecnologías.

La agricultura inteligente tiene como objetivo utilizar tecnología moderna para mejorar el rendimiento y la calidad del producto. Un ejemplo es la agricultura de precisión, un concepto de manejo de cultivos específico del sitio que utiliza un sistema de apoyo a la toma de decisiones basado en el monitoreo, medir y responder a la variabilidad inter e intracampo en los cultivos. Esto permite a los agricultores optimizar sus ganancias y preservar los recursos. Tales soluciones de monitoreo se pueden lograr mediante la integración de dispositivos de detección electrónicos que registran datos en el suelo, el medio ambiente o los cultivos. Los datos pueden entonces proporcionar información útil para la toma de decisiones, a través de un proceso llamado análisis de datos.

El objetivo es hacer el mejor uso posible del suelo en un campo en particular, controle el cuidado de los cultivos y tome decisiones informadas sobre el manejo de los productos después de la cosecha.

Hemos estado involucrados en el desarrollo y uso de sensores para ayudar a establecer la calidad de una amplia gama de productos hortícolas, incluyendo frutas. Utilizamos métodos de inteligencia informática para detectar defectos y predecir la calidad de la fruta.

Nuestra última investigación descubrió que las soluciones basadas en datos tienen una serie de beneficios. Por ejemplo, pueden ayudar a reducir la pérdida de frutas y verduras a lo largo de la cadena de suministro desde la granja hasta su consumo.

El problema

Las frutas y verduras pueden dañarse antes, durante y después de la cosecha, así como en el almacenamiento. Esto es un desperdicio. Parte de la descomposición y el deterioro son causados ​​por virus, hongos bacterias o patógenos microbianos. Los productos que están apretados o magullados son más vulnerables a las infecciones y no duran tanto.

Según la Organización de las Naciones Unidas para la Agricultura y la Alimentación, alrededor del 14% de los alimentos del mundo se pierden después de la cosecha y antes de llegar a las tiendas y los mercados. Y aproximadamente un tercio de los alimentos del mundo se pierden o desperdician. Minimizar la pérdida y el desperdicio de alimentos es fundamental para crear un mundo Hambre Cero en el que más de 821 millones de personas ya padecen hambre.

Nuestra investigación implicó revisar el papel que puede desempeñar el análisis de datos en la detección de defectos en frutas y verduras. Descubrimos que el aprendizaje automático, la capacidad de las computadoras para encontrar patrones en los datos, hacer predicciones y proponer decisiones sin estar programado explícitamente, sobrepasa con creces los métodos tradicionales de clasificación de productos.

El aprendizaje automático ha logrado grandes logros en la detección de enfermedades de plantas y frutas. Estos podrían extenderse al monitoreo de la calidad de las frutas y otros alimentos. Los sensores se pueden utilizar para detectar insectos y enfermedades en frutas y verduras, actuando como narices o lenguas electrónicas y midiendo la composición química. También pueden medir propiedades físicas, como firmeza y acidez, para determinar la calidad del producto.

La aceptabilidad de los productos depende del color, forma, Talla, dulzura, y no tener defectos como magulladuras e infestaciones de insectos. Esto es importante para la satisfacción del cliente y para la rentabilidad que obtienen los productores y proveedores.

Los dispositivos de detección pueden suministrar datos sobre estas características a algoritmos informáticos para su análisis. Estos nuevos desarrollos en el aprendizaje automático permiten una determinación y predicción de la calidad rápida y eficaz en productos frescos.

Por ejemplo, Las técnicas de imágenes se han combinado con algoritmos de aprendizaje automático para detectar hematomas, Daño por frío y pardeamiento en frutas como manzanas, peras y cítricos, y para detectar diversos defectos en tomates. Se están desarrollando aplicaciones basadas en teléfonos inteligentes para su uso en el reconocimiento de la calidad de las bayas pequeñas.

El aprendizaje automático reduce las pérdidas

Existe una tendencia de investigación global actual dirigida a integrar dispositivos de detección a lo largo de la cadena alimentaria para monitorear y controlar continuamente los indicadores de calidad. Revisamos esta investigación y encontramos etapas en las que se utilizan estas soluciones en la cadena alimentaria. Éstos incluyen:

Monitoreo de cultivos

Los sensores se pueden utilizar para medir las propiedades de frutas y verduras mientras crecen, como el color, tamaño y forma. Dicha información ayuda a controlar las condiciones de crecimiento, como el suministro de agua, y determina con precisión la mejor fecha de cosecha. Esto reduce las pérdidas en la cosecha. Por ejemplo, algunos pequeños agricultores en Alemania han estado usando teléfonos inteligentes para verificar la calidad de sus cultivos enviando imágenes de cultivos para que sean procesadas por expertos a través de modelos de aprendizaje automático; luego se envía la retroalimentación a los agricultores. Las empresas están desarrollando modelos para rastrear factores ambientales como los cambios climáticos y predecir cómo estos factores afectan el rendimiento de los cultivos. Este tipo de apoyo está dirigido especialmente a los agricultores de los países en desarrollo.

Seguimiento de la calidad poscosecha

En plantas de envasado, los productos deben clasificarse y clasificarse de acuerdo con estándares de calidad para determinar su idoneidad para los diferentes destinos de los consumidores. Los productos de exportación deben conservarse bien durante el transporte a larga distancia y en los estantes.

Para los mercados locales, donde el tiempo de viaje es más corto, los requisitos de calidad pueden ser de diferente nivel. Para determinar si un producto es apto para la alimentación animal o para el consumo humano, sensores especializados toman medidas y generan datos para clasificar, calificar y clasificar los productos en categorías.

Seguimiento de la calidad del mercado

Incluso se pueden integrar sensores en los materiales de embalaje que monitorean e informan continuamente sobre el estado del producto en tiempo real. Estos sensores pueden habilitarse para comunicarse y enviar datos a un centro de mando. Vigilancia, La detección y segregación de productos alimenticios como la fruta fresca para clasificar y eliminar productos inseguros para satisfacer la demanda del mercado es fundamental para garantizar la rentabilidad y mantener la participación en el mercado.

Con la creciente población mundial, que se espera supere los 9 mil millones para 2050, La seguridad alimentaria y nutricional se convertirá en un desafío aún mayor, especialmente en África subsahariana. La automatización basada en datos puede contribuir a la solución.

Este artículo se ha vuelto a publicar de The Conversation con una licencia de Creative Commons. Lea el artículo original.