María Gyomar González González
El objetivo de esta Tesis Doctoral es generar conocimiento y tecnología que permitan desarrollar soluciones mecanizadas y automatizadas mediante la aplicación de sensores para monitorizar, optimizar tareas y aumentar la productividad en los cultivos de cítricos y, por ende, la competitividad del sector citrícola. Con este fin, se ha trabajado en la aplicación de tecnologías en algunas de las operaciones más importantes y costosas en la citricultura.
En el ámbito de la recolección, con el objetivo de facilitar y optimizar el proceso de recolección de cítricos para consumo en fresco, se implementaron mejoras en un prototipo de plataforma autopropulsada de asistencia para garantizar la seguridad de los trabajadores y minimizar los riesgos laborales, asegurar la calidad de la fruta recolectada y clasificarla adecuadamente en función de su calidad por un sistema de visión artificial. Tras la implementación de estos avances, se evaluó su funcionalidad en condiciones reales de campo y se determinó el rendimiento de la operación de recolección asistida. Los resultados mostraron que el rendimiento operativo teórico en el proceso de recolección con la asistencia del prototipo fue un 17% menor que en la recolección manual tradicional.
Asimismo, con la finalidad de generar de manera automática mapas de rendimiento en cítricos accesibles al agricultor, se creó una nueva herramienta a modo de cuadro de mando, denominada CitrusYield. Esta herramienta es capaz de obtener mapas que muestran la variabilidad, haciendo uso de la información proporcionada al inspeccionar cada fruta y de los datos obtenidos por los dispositivos de geolocalización, permitiendo conocer el rendimiento de la producción a nivel intraparcelario. Se evalúo el funcionamiento de CitrusYield con datos obtenidos por el prototipo. El cuadro de mando analizó los datos y generó diferentes mapas georreferenciando la información de la fruta con su punto de recolección. A través de estos mapas, CitrusYield demostró su capacidad para reflejar la heterogeneidad de la producción dentro de la parcela. Los indicadores de calidad, rendimiento del sistema de inspección por visión artificial y la productividad revelaron el grado de eficiencia del proceso de recolección con la asistencia del prototipo.
En el ámbito de la detección temprana de plagas y enfermedades, se llevó a cabo la investigación del potencial de la imagen en color y de la imagen hiperespectral para la detección automática de daños causados por la plaga Tetranychus urticae en hojas de cítricos. Además, se diferenciaron en función de la antigüedad y de otros problemas que puede tener el árbol causados por deficiencias nutricionales o por otras plagas. En el análisis para identificar el daño causado por esta plaga, se obtuvo una tasa de éxito del 92,5% en las imágenes en color. No obstante, no se pudo discriminar la edad del daño. En las imágenes hiperespectrales, el éxito fue del 100% en la detección del daño y del 92% en la discriminación de la edad. En cuanto a la discriminación de daños de T. urticae respecto a otros daños, en las imágenes en color se obtuvo una tasa de éxito del 100% en la discriminación de Phyllocnistis citrella en el envés de las hojas. Las deficiencias de N no pudieron discriminarse correctamente y las deficiencias de Fe, Mn o Zn se detectaron acertadamente en el 50% de los casos. En las imágenes hiperespectrales, los daños por P. citrella se discriminaron con éxito en el 100% de los casos. Las deficiencias por N se discriminaron correctamente en más del 65% de los casos. No obstante, las deficiencias de Fe, Mn o Zn no pudieron ser discriminadas correctamente.
Las conclusiones de esta Tesis Doctoral ponen de manifiesto el gran potencial de implementar estas tecnologías para monitorizar, optimizar tareas y digitalizar los procesos en las labores llevadas a cabo en los campos de cítricos, de manera que se logra aumentar la eficiencia, productividad y, también, la competitividad en el sector.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados