Uso de dron coadyuva a detectar frutos maduros de mango

El estudio “Detección y clasificación de frutos de mango por medio de imágenes RGB capturadas con un dron”, de David Vargas Cano, da cuenta de la modernización y sostenibilidad en la industria del mango, al ofrecer nuevas perspectivas para mejorar la productividad, reducir costos y mitigar los impactos de la escasez de mano de obra en la industria frutícola. 

Dicha investigación desarrollada desde el Posgrado en Ingeniería Agrícola y Uso Integral del Agua (IAUIA), de la Universidad Autónoma Chapingo (UACh), emplea drones para realizar tareas como navegación autónoma, detección de frutos, evaluación de madurez, clasificación y recolección de magos, a fin de minimizar la intervención humana y mejorar la eficiencia operativa.

Con el impulso y asesoría del Dr. Federico Felix Hanh Shlam (1958-2024), el estudio se realizó en una huerta comercial de mango, de Loma Bonita, Guerrero, donde se cultivas las variedades “Kent”, “Haden”, “Keitt” y “Ataulfo”. También colaboran José Luis R. de la O y Alejandro F. Barrientos Priego.

En la primera etapa del proyecto, explica el tesista: “se desarrolló un método innovador para evaluar la madurez del mango utilizando un sensor espectral de seis canales, resultando en la publicación de un artículo científico sobre el índice de madurez del mango. 

“La segunda etapa se centró en el desarrollo de un método de corte del fruto y un sistema de recolección eficiente, culminando en la obtención de una patente que detalla un método para el desprendimiento de frutos mediante una emulsión ácida y un artículo sobre la efectividad de la emulsión ácida”.

Por su parte, la tercera etapa - indica Vargas Cano- se enfoca en la detección y clasificación de frutos de mango mediante imágenes RGB capturadas por drones. Asimismo, se extraen características relevantes del fruto detectado y de acuerdo con sus características se clasifican como frutos aptos para ser cosechados o no. 

Destaca que el proceso se llevó a cabo con drones comerciales y con uno ensamblado en la Universidad Autónoma Chapingo, equipado con cámaras RGB y sistemas computacionales avanzados.

“A pesar de los avances significativos, este proyecto es parte de una investigación continua que busca integrar todos los componentes en una fase final de implementación autónoma. La cuarta etapa tiene como objetivo unificar los logros alcanzados hasta ahora para desarrollar un algoritmo completamente autónomo que permita a los drones realizar todas las tareas de manera independiente”, precisa David Vargas Cano.