Medición del porcentaje de madurez en ramas de café mediante dispositivos móviles y visión por computador
Date
2016Cita bibliográfica
Ramos, P., Prieto, F., Oliveros, C., Aleixos, N., Albert, F., Blasco, J., (2016). En:"VIII Congreso Ibérico de Agroingeniería. Retos de la Nueva Agricultura Mediterránea", (ed. UMH), pp 917-925. Congreso celebrado en 2015. Orihuela-Algorfa.Abstract
Actualmente, la cosecha de café en Colombia se realiza de manera manual, tiene un alto
requerimiento de mano de obra y es responsable del 40% de los costos de producción. Para
determinar las necesidades de mano de obra, los productores realizan estimaciones de la
producción mediante métodos destructivos o subjetivos. Este trabajo investiga el desarrollo de
una estrategia, basada en el análisis de imágenes, para planificar la cosecha del café a través de
la estimación no destructiva del porcentaje de frutos maduros (PM) en las ramas. Para la puesta
a punto de la metodología, se adquirieron imágenes utilizando un teléfono móvil en diferentes
condiciones de campo a un total de 69 ramas de café variedad Castillo®, con un PM entre el 10%
y el 70%. Debido a la longitud de las ramas (entre 40 y 60 cm), se capturaron varias imágenes de
cada rama, obteniendo un total de 280 imágenes. Para segmentar las imágenes se utilizó la
aplicación Food-ColorInspector (http://www.cofilab.com) y para cada rama se obtuvo mediante
esta aplicación el área correspondiente a tres estados de madurez de los frutos (inmaduro,
semimaduro y maduro), que se asoció al PM. Adicionalmente, se realizó el conteo manual de los
frutos en los distintos estados de maduración. Se utilizaron 23 ramas escogidas al azar para
crear un modelo lineal de estimación entre los porcentajes de madurez obtenidos mediante el
análisis de las imágenes y el análisis manual. El modelo obtuvo un coeficiente de determinación
R2=88%, con un error promedio absoluto del 3,9% entre el PM estimado a mano y mediante
análisis de imagen. Posteriormente, este modelo se validó con 46 ramas restantes, obteniendo
un R2=75% y un error promedio de 5,5%. Los resultados son prometedores para la creación de
herramientas que automaticen la actual estimación manual de cosecha del café mediante el uso
dispositivos móviles, como teléfonos inteligentes, al alcance de cualquier caficultor