Utilizando drones de alta resolución y modelos de inteligencia artificial entrenados para transformar imágenes en datos: Carlos Martínez Nicolás, candidato a maestro por el posgrado en Ingeniería Agrícola y Uso Integral del Agua (IAUIA) de la Universidad Autónoma Chapingo (UACh), ofrece un cambio de paradigma en la detección de la floración para la planificación de la cosecha y la gestión agrícola de los cultivos de piña, al suroeste del estado de Veracruz.
De acuerdo con el Ing. Carlos Martínez, “Veracruz es el principal productor de piña en México y, junto con Oaxaca, concentra cerca del 77 % de la producción nacional. Municipios como Juan Rodríguez Clara son piezas clave de esta cadena agroindustrial con parcelas que alcanzan densidades de hasta 30 mil plantas por hectárea. Esto obliga a los productores a tomar decisiones basadas sólo en lo que ven desde las orillas, lo que genera aplicaciones ineficientes de agua, fertilizantes o algún otro insumo requerido en especial los que son para la inducción floral.
“Aun así, de esas observaciones dependen decisiones que pueden definir el éxito o el fracaso de una cosecha. El momento clave, en nuestra propuesta, fue atestiguar la reacción de los productores al ver el mapa completo de su parcela. Pasar de una estimación al reporte exacto, eso les dio una seguridad operativa que antes no tenían, permitiéndoles competir mejor en el mercado y asegurar su sustento”.
Ello fue posible gracias a la investigación: “Detección automatizada de floración en piña (Ananas comosus) mediante la combinación de aprendizaje profundo y tecnología de drones”, desarrollada en las parcelas de DIMASUR, donde Chapingo evalúo tecnología propia bajo condiciones reales de campo, a fin de contribuir en la creación de información precisa que permite reducir costos, optimizar insumos y asegurar cosechas más uniformes y rentables.
El alumno Martínez Nicolás explica que, en los campos de piña, la floración marca uno de los momentos más críticos del ciclo productivo. De su detección oportuna depende la correcta aplicación de los inductores florales que permitirán una maduración homogénea. Contar flores es ciencia aplicada que resuelve una necesidad económica. Para el productor, la tecnología se traduce en menor riesgo, mayor eficiencia y mejor rentabilidad.
Bajo la dirección del Dr. Gilberto de Jesús López Canteñs, profesor-investigador del posgrado IAUIA, Carlos Martínez Nicolás utilizó un dron con una lente de alta resolución capaz de obtener un detalle de hasta 0.38 centímetros por píxel. Esto permitió capturar imágenes tan nítidas que el sistema pudo identificar flores individuales, incluso cuando estaban parcialmente ocultas por las hojas o bajo diferentes condiciones de luz solar.
El alumno construyó una base de datos con más de seis mil imágenes y 500 mil etiquetas de floración clasificadas en diversas condiciones lumínicas y climáticas, con el fin de evaluar la robustez de los algoritmos. De esta forma, cada flor fue identificada y etiquetada “enseñando” al sistema a reconocer patrones reales del cultivo.
Con esta información se entrenó un modelo de aprendizaje profundo, basado en la arquitectura YOLOv11, especializado en detección de objetos. El resultado fue un sistema capaz de contar flores de manera automática y generar mapas de distribución dentro de la parcela.
Mientras estudios previos reportaban errores promedio de hasta 11.5 flores por imagen, este método redujo el error a 1.46 flores, alcanzando una precisión cercana al 97 %, superando la consistencia de modelos anteriores bajo las condiciones difíciles del entorno agrícola. En términos prácticos, esto significa pasar de estimaciones aproximadas a un inventario casi exacto del estado del cultivo.
Además --precisa el entrevistado--, el uso de modelos computacionales “ligeros” demuestra que estas herramientas pueden implementarse sin necesidad de infraestructura costosa, lo que abre la puerta a su adopción en regiones productoras donde los márgenes económicos son ajustados.
“Aunque la investigación se centra en la piña, su alcance es más amplio. La metodología puede adaptarse a otros cultivos estratégicos como caña de azúcar, aguacate, sorgo, manzana, palmas o cítricos, donde la detección de flores o frutos es clave para el manejo productivo”, puntualizó el Ing. Carlos Martínez Nicolás.
