Predicción de la calidad de la ciruela mediante inteligencia artificial

El objetivo final de este proyecto es la realización de una aplicación móvil que estará a disposición de los agricultores para poder obtener parámetros de calidad de su plantación, tales como la variedad de la ciruela, el estado de maduración de la misma, dato muy importante para llevar un control exhaustivo del crecimiento y posterior calidad de la misma, y por último medición de la futura calidad de la ciruela semanas antes de se su recolección y en la misma fecha de recolección. Estos datos permitirán a los agricultores poder controlar de forma eficiente su plantación y servirán de apoyo a la toma de decisiones que deba realizar para poder obtener el mayor beneficio a su plantación junto con la mayor calidad posible.

Esta aplicación debe tener implementados modelos que sean capaces de detectar la variedad de la ciruela (Red Neuronal Convolucional para detección de variedades de ciruelo japonés.), así como su fecha estimada de maduración (Red Neuronal Convolucional para detección de semana de maduración de ciruelo japonés.)

La aplicación actualmente se encuentra en fase de desarrollo y permitirá, a través de una imagen capturada con la cámara de un dispositivo móvil, poder detectar la variedad y posteriormente predecir la semana de maduración en la que se encuentra. Estos datos son muy útiles para los agricultores. No tanto la variedad de a fruta, ya que todo agricultor sabe qué variedad tiene plantada, pero es necesario para el correcto funcionamiento de la predicción basada en el ciclo de maduración, ya que cada variedad dispondrá de una red neuronal convolucional diseñada para detectar la fecha de su ciclo. Con este dato el agricultor podrá conocer la semana de maduración que indican los algoritmos inteligentes y compararla con la semana real que él conoce, para así, en función de las posibles alteraciones que pueda indicar, poder corregir la plantación para obtener la mayor calidad posible. Un ejemplo claro puede ser una discrepancia clara entre la semana real en la que se encuentra la plantación, ya que el agricultor conoce cuándo ha florecido su plantación, y la fecha que arroja la aplicación. Si esta discrepancia es muy alta el agricultor puede intuir que la plantación necesita agua o abono. Así podrá corregir esas necesidades antes de ver directamente la merma de su plantación, gracias a la inteligencia artificial.

(A medida que avancemos en el desarrollo iremos indicándolo) 

Trabajo Fin de Máster - Detección de variedad y estado de maduración del ciruelo japonés mediante Deep -Learning

Autor: Borja Rodríguez Puerta

Director: Francisco Chávez de la O

Resumen:

Food and Agriculture Organization of the United Nations sitúa a España como el séptimo productor de ciruelas del mundo y el tercero a nivel europeo. La importancia económica que tiene el cultivo de este fruto en nuestro país es evidente. En Extremadura el ministerio de Agricultura, Pesca, Alimentación y Medio Ambiente Español, cifra en 6500Has el territorio dedicado a esta actividad.
Una mejora en el proceso de recolección, recolectar el fruto en su momento óptimo, puede suponer una gran ventaja competitiva de las Empresas Extremeñas sobre sus competidoras.

Las redes neuronales convolucionales son una evolución de las redes neuronales artificiales multicapa. La ventaja de este tipo de redes es su capacidad de adaptación a tareas de visión por computador, ya que asemejan su funcionamiento al de las neuronas de la corteza visual primaria de un cerebro biológico. La diferencia de este tipo de redes con las redes neuronales es su arquitectura multicapa formada por capas de consolación (convolution) y reducción (pooling). Estas arquitecturas son capaces de detectar bordes, lineas, etc y componer en características más complejas hasta detectar lo que se buscan.