Un equip de la Universitat Politècnica de València ha dissenyat una aplicació mòbil per a la detecció precoç de malalties i plagues en tarongers. La ferramenta permet diagnosticar en camp i actuar abans que els problemes s’estenguen a altres arbres, ajudant a protegir el rendiment i la qualitat de les collites.
L’aplicació ha demostrat un 99,58% d’encert en patologies com a melanosis, punts negres, xancre o verdejada. Este nivell de precisió aporta confiança per a prendre decisions ràpides, des d’iniciar tractaments fins a aïllar exemplars o programar podes selectives, reduint pèrdues econòmiques directes.
Avanços respecte a models anteriors
L’equip ha partit de l’anàlisi de ferramentes existents amb l’objectiu de superar les seues limitacions. Com a resultat, l’app oferix un major índex d’encerts, consumix menys recursos computacionals i no necessita connexió a internet ni accés a servidors. A més, s’utilitza directament en el telèfon mòbil i permet analitzar imatges de taronges i fulles capturades per l’usuari.
El programa funciona en iOS, Android, Windows, Linux i Raspberry Pi. El grup ha desenrotllat també una versió per a ordinadors personals i Raspberry Pi, concebuda per a grans plantacions, que pot configurar-se per a remetre un informe diari per correu electrònic amb els diagnòstics. Això facilita una supervisió sistemàtica sense recórrer tota la finca, una cosa especialment útil quan es gestionen superfícies extenses o diverses parcel·les.
El mode sense connexió resulta pràctic en zones amb cobertura limitada i evita dependre de la xarxa durant les inspeccions. En processar les dades en el propi dispositiu s’acurten els temps de resposta i es preserva la continuïtat del treball en camp.
El sistema distingix taronges d’altres fruites i determina quan un fruit està sa o afectat. També diagnostica afeccions en fulles i en fruits entre les huit malalties o plagues per a les quals ha sigut entrenat. Filtrar casos no taronges reduïx errors per fotografies accidentals i facilita el seu ús per personal no especialitzat.
L’aplicació es basa en aprenentatge profund, una branca de la intel·ligència artificial que empra xarxes neuronals per a reconéixer patrons. L’entrenament ha partit d’un catàleg estandarditzat de 5.073 imatges i, després d’un primer ajust, s’ha realitzat un afinat del model per a maximitzar els encerts. Este procés refina paràmetres a partir d’exemples, fins a identificar amb fiabilitat senyals visibles com a taques, descoloracions o canvis de textura.
Integració amb robots
A partir d’estos resultats, l’equip dirigirà les seues investigacions a ampliar els usos de la ferramenta. La següent fase consistix a incorporar l’app en robots i drons capaços de diagnosticar diverses malalties i taques fruiteres, i a combinar el programari amb sistemes d’irrigació, fertilització i xarxes de sensors de gas per a identificar altres problemes en les plantacions.
Amb un monitoratge continu, des de l’aire o arran de terra, les explotacions podrien detectar focus en menys temps, reduir la propagació i optimitzar l’ús d’inputs. Accions com ajustar el reg o la fertilització després d’una alerta permetrien respondre amb rapidesa i evitar tractaments preventius indiscriminats.
La investigació ha sigut finançada pel Ministeri de Ciència i Innovació.
