Viticultura digital como alternativa para estimar el rendimiento de la vid

Una tesis doctoral plantea la viticultura digital —visión artificial, aprendizaje profundo y automático— como alternativa a los métodos tradicionales para estimar los componentes del rendimiento de la vid, de forma no invasiva, en condiciones de campo, usando como datos imágenes RGB de la vid adquiridas en continuo mediante una plataforma móvil. Estos componentes sirven de indicadores del rendimiento final entre dos meses y 100 días antes de la vendimia.

Fecha: 30-Mar-2022

Tags: viticultura

Se trata de la tesis titulada Visión por ordenador e inteligencia artificial para la evaluación de los componentes del rendimiento en la viticultura digital, con la que Fernando Palacios López ha obtenido el grado de doctor por la Universidad de La Rioja con la calificación de sobresaliente ‘cum laude’ con mención internacional. Desarrollada en el Departamento de Agricultura y Alimentación, la tesis ha sido dirigida por Javier Tardáguila y Paz Diago.

Viticultura digital

En su tesis se explica cómo la estimación de los componentes del rendimiento de la vid es de gran relevancia para la industria vitivinícola y los viticultores y que, frente a los métodos tradicionales para obtener estos componentes, la visión e inteligencia artificiales ofrecen una alternativa menos tediosa, que requiere menos tiempo y que permite procesar más datos.

En primer lugar, Fernando Palacios ha desarrollado un algoritmo de visión artificial para extraer las características morfológicas de los racimos, y un modelo de aprendizaje automático para evaluar su compacidad en condiciones de campo, demostrando ser una alternativa más objetiva que la evaluación visual tradicional. Y seguidamente ha abordado la cuantificación del número de flores de la vid por cepa. El algoritmo desarrollado —basado en aprendizaje profundo— permite, tras una segmentación semántica individual de cada flor, obtener un indicador de rendimiento cerca de 100 días antes de la vendimia.

La tesis concluye que la visión artificial puede emplearse para evaluar el rendimiento en cepas total y parcialmente defoliadas en la zona productiva, combinada con un modelo capaz de capturar la variabilidad en el estado del dosel de diferentes viñedos. Por otro lado, la combinación de la visión artificial, el aprendizaje profundo y el aprendizaje automático le ha permitido al autor cuantificar el número de bayas de la vid en tamaño guisante por cepa, superando parcialmente los problemas de oclusión de las bayas y, a la vez, demostrar cómo esta herramienta podría ser muy beneficiosa para desarrollar un indicador de rendimiento casi dos meses antes de la vendimia sin aplicar una defoliación completa intensiva de las cepas.

Además, el modelo de estimación desarrollado en la tesis ha demostrado ser preciso a la hora de estimar el rendimiento en cepas de cabernet sauvignon, malvasía, moscatel, syrah, tempranillo y verdejo, no solo cuando estas variedades de vid estaban ya incluidas en el modelo, sino también cuando eran previamente desconocidas para el mismo.