Maf Roda presenta innovaciones en IA para la clasificación de cítricos

En el marco de la reciente edición de PostharvestTALKS, el encuentro técnico organizado por DECCO y centrado en los retos de la cadena de valor de los cítricos, Luis Gil Meliá, especialista del departamento de electrónica de Maf Roda, expuso las últimas innovaciones en la aplicación de la Inteligencia Artificial (IA) para el proceso de selección y clasificación de cítricos. La detección temprana de defectos es un factor crítico para minimizar las pérdidas económicas y garantizar los estándares comerciales exigidos por el mercado. Frente a la tradicional inspección manual, caracterizada por ser lenta, subjetiva y dependiente del criterio cambiante del operario, la integración de la visión artificial y la IA ofrece una categorización objetiva, veloz y de alta precisión.

Base tecnológica: Cámaras multiespectrales patentadas

La tecnología de Maf Roda se sustenta sobre una base mecánica y electrónica diseñada para lograr una correcta singularización y rotación del fruto. Sobre esta estructura opera el sistema de visión Globalscan 7, el cual destaca por incorporar cámaras multiespectrales patentadas.

A diferencia de otros sistemas complejos que requieren múltiples lentes, una sola cámara de Maf Roda es capaz de capturar de forma simultánea diferentes longitudes de onda del fruto en un mismo bloque. El sistema utiliza tres cámaras por línea (una vertical central y dos laterales) para registrar el 100% de la superficie de la fruta en movimiento, obteniendo de cada pieza:

• Una imagen convencional en color (RGB).

• Tres imágenes espectrales en diferentes rangos de infrarrojo (IR), ideales para categorizar la gravedad de los defectos.

• Una imagen de fluorescencia mediante la emisión de luz ultravioleta (UV).

La evolución de la IA: Del Machine Learning al Deep Learning

La ponencia detalló el salto tecnológico en el procesamiento de imágenes para identificar anomalías en el almacén:

1. Visión clásica: Dependía exclusivamente del programador para definir reglas rígidas de filtrado, obligando al técnico o al operario a realizar ajustes paramétricos complejos.

2. Machine Learning (Aprendizaje automático): Introdujo la capacidad de que el algoritmo aprenda las reglas de clasificación a partir de ejemplos previos. Bajo este modelo, si aparece un defecto nuevo en la campaña (como la "araña"), el operario puede introducir imágenes del daño de forma casi automática para que el sistema aprenda a reconocerlo.

3. Deep Learning (Aprendizaje profundo): Representa el estándar más avanzado mediante el uso de redes neuronales. El sistema se entrena de forma autónoma para identificar patrones complejos directamente de las imágenes sin pasos intermedios. Esta tecnología se aplica con éxito en el "caballo de batalla" del sector: la detección precisa de podredumbres y heridas incipientes, evitando el destrío erróneo de fruta comercial.

Smart Citrus: Autonomía y control en tiempo real

Como culminación de este desarrollo, se presentó el nuevo software Smart Citrus, una solución compatible con Globalscan 7 Biotech disponible actualmente para naranja y mandarina. Este programa dota al almacén de una mayor autonomía gracias a una interfaz intuitiva centralizada en una pantalla única.

Entre sus funciones principales, Smart Citrus permite añadir nuevos defectos con un solo clic, realizar un seguimiento simplificado de las categorías comerciales y utilizar la función de "deshacer cambios" para retornar a configuraciones previas. Al procesar los datos de calidad externa e interna (como los grados Brix y la acidez) mediante Big Data, la plataforma ofrece una mejora continua del algoritmo a través de la reintroducción supervisada de imágenes, optimizando el rendimiento de las centrales hortofrutícolas de manera constante.