{"id":78711,"date":"2022-10-05T19:29:05","date_gmt":"2022-10-05T19:29:05","guid":{"rendered":"http:\/\/enolife.com.ar\/es\/?p=78711"},"modified":"2022-10-08T17:57:32","modified_gmt":"2022-10-08T17:57:32","slug":"con-inteligencia-artificial-en-mendoza-cuentan-racimos-y-calculan-su-peso-para-predecir-la-cosecha","status":"publish","type":"post","link":"https:\/\/enolife.com.ar\/es\/con-inteligencia-artificial-en-mendoza-cuentan-racimos-y-calculan-su-peso-para-predecir-la-cosecha\/","title":{"rendered":"Con inteligencia artificial, en Mendoza cuentan racimos y calculan su peso para predecir la cosecha"},"content":{"rendered":"\n

Hasta ahora, el recuento de racimos por planta y la toma del peso de la fruta se realiza en forma manual. Pero un nuevo m\u00e9todo desarrollado por la Universidad Nacional de Cuyo, en Mendoza, Argentina, permite fotografiar el vi\u00f1edo y luego interpretar las im\u00e1genes con precisi\u00f3n, lo que servir\u00e1 para colaborar en la estimaci\u00f3n de cosecha que cada a\u00f1o hacen el Instituto Nacional de Vitivinicultura y distintas entidades p\u00fablicas y privadas. El sistema tambi\u00e9n sirve para reconocer y combatir malezas, y se espera aplicarlo con el mismo fin en otros cultivos agr\u00edcolas.<\/strong><\/em><\/h4>\n\n\n\n
<\/div>\n\n\n\n\n\n
<\/div>\n\n\n\n

El diagn\u00f3stico por im\u00e1genes en el mundo del agro est\u00e1 cada vez m\u00e1s consolidado y viene despertando el inter\u00e9s en la comunidad cient\u00edfica argentina. As\u00ed lo confirma el avance de una investigaci\u00f3n de la Universidad Nacional de Cuyo (UNCuyo<\/strong>) sobre la implementaci\u00f3n de algoritmos de reconocimiento de imagen, con la que se busca colaborar con el pron\u00f3stico de cosecha de vid y de otros frutos, as\u00ed como en la detecci\u00f3n y combate efectivo malezas.<\/p>\n\n\n\n

Se trata de la utilizaci\u00f3n del machine learning<\/em> (aprendizaje aut\u00f3nomo) <\/strong>aplicado al proceso de estimaci\u00f3n de cosecha de la vid, con el fin de perfeccionarlo y as\u00ed disminuir el error de predicci\u00f3n. <\/p>\n\n\n\n

<\/div>\n\n\n\n

Actualmente, la metodolog\u00eda que se utiliza para la estimaci\u00f3n de cosecha es el recuento manual y el pesaje directo de los racimos de cada planta, seleccionando sectores y variedades, para luego extender el c\u00e1lculo al vi\u00f1edo completo.<\/h4>\n\n\n\n
<\/div>\n\n\n\n

\u00abLa incorporaci\u00f3n de tecnolog\u00eda basada en <\/em>machine learning intenta contribuir con la disminuci\u00f3n del error de estimaci\u00f3n. Esta informaci\u00f3n complementa la ya existente y colabora en la optimizaci\u00f3n de la planificaci\u00f3n y producci\u00f3n en la industria agr\u00edcola\u00bb, <\/em>explic\u00f3 el ingeniero Luis Chiaramonte<\/strong>, codirector del proyecto.<\/p>\n\n\n\n

<\/div>\n\n\n\n

En su primera fase, se entren\u00f3 al algoritmo para el reconocimiento de racimos de uva. Pero luego se le introducir\u00e1n datos y par\u00e1metros para realizar el an\u00e1lisis predictivo de las cosechas en otras frutas.<\/p>Luis Chiaramonte, ingeniero director del proyecto<\/cite><\/blockquote>\n\n\n\n

<\/div>\n\n\n\n

El ingeniero detall\u00f3 que machine learning<\/em> es una disciplina del campo de la Inteligencia Artificial (IA) que, a trav\u00e9s de algoritmos, posibilita a las computadoras identificar patrones en datos masivos y elaborar predicciones (an\u00e1lisis predictivo). Este aprendizaje permite a los ordenadores realizar tareas espec\u00edficas de forma aut\u00f3noma, es decir, sin necesidad de ser programados.<\/p>\n\n\n\n

Con el desarrollo de esta investigaci\u00f3n se ver\u00e1n beneficiados, primariamente, los productores regionales. \u00abEn la primera fase del proyecto el algoritmo fue entrenado para el reconocimiento de racimos de uva. En la segunda, se seguir\u00e1 el mismo proceso de trabajo, para hacerlo extensivo al resto de frutas, y por tanto, de los sectores frutihort\u00edcolas\u00bb<\/em>, especific\u00f3 Chiaramonte, quien es coordinador del Centro de Investigaci\u00f3n del Instituto Tecnol\u00f3gico Universitario (ITU) <\/strong>de la UNCuyo<\/strong> en Mendoza, Argentina.<\/strong><\/p>\n\n\n\n

\u00abAdem\u00e1s<\/em> -agreg\u00f3 el investigador- se ha incorporado la posibilidad de identificar maleza para el correcto tratamiento de su erradicaci\u00f3n, lo que impacta en el uso eficiente de los herbicidas, en la disminuci\u00f3n de los costos de log\u00edstica para su aplicaci\u00f3n, al tiempo que contribuye con el cuidado del medioambiente, ya que se dejan de usar herbicidas gen\u00e9ricos para utilizar los espec\u00edficos en cada caso\u00bb.<\/em><\/p>\n\n\n\n

\u00abLa investigaci\u00f3n contin\u00faa con la integraci\u00f3n de pron\u00f3stico en otros tipos de fruta de distinta temporalidad, con lo cual se abre la posibilidad de entrenar el algoritmo todo el a\u00f1o para lograr el funcionamiento \u00f3ptimo que se requiera en estos estudios\u00bb<\/em>, apunt\u00f3 Chiaramonte.<\/p>\n\n\n\n

El equipo -integrado por profesionales del ITU, de la Facultad de Ciencias Agrarias y del INTA- espera obtener un prototipo de bajo costo producido localmente que pueda ser tomado de base por instituciones como el INV, el IDR, asociaciones de productores y otros entes para futuras estimaciones de cosecha y para asistir en el uso de herbicidas y retiro de malezas.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Jun\u00edn y Luj\u00e1n, escenarios de las primeras pruebas piloto<\/strong><\/p>\n\n\n\n

El proyecto, titulado \u00abMejora del pron\u00f3stico de cosecha de vid mediante tecnolog\u00edas de machine learning, computaci\u00f3n distribuida y rob\u00f3tica\u00bb<\/strong>, se desarroll\u00f3 en fincas de Jun\u00edn y, principalmente, en el predio del INTA<\/strong>, en Luj\u00e1n de Cuyo.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Para capturar los espalderos de vid se utilizaron c\u00e1maras de celulares a una distancia aproximada de 1 metro y se realizaron capturas con un dron. Las im\u00e1genes obtenidas fueron etiquetadas con el software LabelImg<\/strong> que permite indicar con un rect\u00e1ngulo y un nombre a cada objeto que se desea que los algoritmos de machine learning identifiquen.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Como algoritmo se utiliz\u00f3 la arquitectura YOLOv3. El mismo est\u00e1 incluido dentro de la biblioteca de Python Image al que se integra con TensorFlow y se ejecuta en aceleradoras Graphics Processing Units (GPU). Para el an\u00e1lisis de im\u00e1genes se recurri\u00f3 a la infraestructura de hardware disponible en el Cluster Toko de la Facultad de Ciencias Exactas y Naturales (FCEN, UNCuyo).<\/p>\n\n\n\n

<\/div>\n\n\n\n

Equipo de investigaci\u00f3n y financiamiento<\/strong><\/p>\n\n\n\n

Integran el equipo el profesor del ITU e investigador del CONICET, Emmanuel Mill\u00e1n (director)<\/strong>; el profesor de Ciencias Agrarias, Marcos Montoya<\/strong>; el ingeniero de Know-Center GmbH (Austria), Lucas I\u00e1cono<\/strong>; y el CEO de la empresa Agropraxes SRL, Federico Framarini<\/strong>.<\/p>\n\n\n\n

El proyecto obtuvo financiamiento de la Secretar\u00eda de Investigaci\u00f3n, Internacionales y Posgrado (SIIP, UNCUYO)<\/strong> y tambi\u00e9n fondos del ITU destinados a la compra del dron con el que se tomaron las im\u00e1genes para entrenar el algoritmo.<\/p>\n\n\n\n

De estos resultados surgi\u00f3 una publicaci\u00f3n (con referato) que se present\u00f3 en el XXVI Congreso Argentino de Ciencias de la Computaci\u00f3n y el desarrollo de una tesina de grado de la estudiante Tatiana Parlanti<\/strong> (Licenciatura en Ciencias B\u00e1sicas con Orientaci\u00f3n en Matem\u00e1tica, FCEN).<\/p>\n\n\n\n

Adem\u00e1s, con este trabajo se inaugur\u00f3, recientemente, el ciclo de charlas \u201cInvestigaci\u00f3n y Networking\u201d que impulsa el \u00c1rea de Innovaci\u00f3n de la UNCUY<\/strong>O para promover la divulgaci\u00f3n de las ciencias poniendo en valor a investigadores locales.<\/p>\n\n\n\n

<\/div>\n","protected":false},"excerpt":{"rendered":"

Hasta ahora, el recuento de racimos por planta y la toma del peso de la…<\/p>\n","protected":false},"author":3,"featured_media":78802,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5],"tags":[],"class_list":["post-78711","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-fincas"],"_links":{"self":[{"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/posts\/78711","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/comments?post=78711"}],"version-history":[{"count":0,"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/posts\/78711\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/media\/78802"}],"wp:attachment":[{"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/media?parent=78711"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/categories?post=78711"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/enolife.com.ar\/es\/wp-json\/wp\/v2\/tags?post=78711"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}