"""

La previsión de cosecha ya apunta a la rentabilidad, no solo al rendimiento

La previsión de cosecha impulsada por inteligencia artificial ha empezado a ayudar a los productores de fruta no solo a saber cuándo madurará el cultivo, sino también a planificar mejor la mano de obra y el momento de venta. En especial en frutas de alto valor y con precios muy volátiles, un error de apenas unos días puede disparar los costes laborales y hacer que se pierda la mejor oportunidad de ingresos.

Okanagan Specialty Fruits, que opera en el estado de Washington, en Estados Unidos, tuvo que detener el trabajo a las 10.00 de la mañana el primer día de la cosecha de manzana el año pasado porque la temperatura subió hasta los 38 °C. La empresa cree que los modelos que también incorporan estas condiciones meteorológicas son valiosos porque no solo muestran la fecha de maduración, sino también la ventana real de tiempo disponible para recoger la fruta.

La compañía cuenta con más de 1.250 dönum (unidad de superficie turca) de huertos de manzana en Washington. La producción se destina a porciones de manzana cortada vendidas a compradores como hoteles y escuelas; además, la firma utiliza manzanas modificadas genéticamente que tardan más en oscurecerse tras ser cortadas.

Cámaras, drones e imágenes del móvil entran en el campo

Okanagan Specialty Fruits está probando las cámaras de la canadiense Vivid Machines. Los sistemas, instalados sobre tractores, captan imágenes de los árboles; después, la inteligencia artificial distingue en esas imágenes brotes, flores y fruta para calcular la previsión de producción y la fecha de cosecha.

Sin embargo, el éxito de estos sistemas depende de la calidad de los datos históricos que recibe el modelo. Para los productores, los datos genéricos de internet, como los rendimientos medios, no bastan; las previsiones deben ajustarse a las condiciones de cultivo de cada finca.

En la manzana, cierto margen de error puede tolerarse; para la variedad Granny Smith, la ventana de cosecha se sitúa en torno a tres semanas. En cambio, en la fresa y otras frutas similares, ese plazo puede reducirse a apenas unos días. Eso hace que un fallo de sincronización se traduzca directamente en pérdida de ingresos y en un mayor riesgo de enfermedad.

En Reino Unido, la sequía y el calor presionan al sector

FruitCast, con sede en el Reino Unido, ofrece previsiones de cosecha para fresas, frambuesas, moras, arándanos y tomates; el próximo año planea incorporarse a la uva. La empresa señala que el calor y la sequía severa provocan en muchas plantas frutales una dormancia térmica, lo que ralentiza la producción.

Según FruitCast, sus previsiones se mantienen dentro de un margen de error del 10 % una semana antes de la cosecha, lo que equivale a una precisión de alrededor del 90 %. En previsiones hechas con tres semanas de antelación, el margen de error es del 17 % y la precisión del 83 %. La compañía afirma que garantiza que el error total se mantenga por debajo del 20 %.

  • Angus Soft Fruits dice que la tecnología avanza, pero que el sistema aún no es una solución completa.
  • Driscoll’s, con sede en California, también confirma que algunos de sus productores independientes en el Reino Unido usan FruitCast.

Hay interés inversor, pero la última palabra sigue siendo del productor

Los investigadores también trabajan en nuevos métodos para medir la madurez con más detalle. Yasaman Ghasempour y su equipo de la Universidad de Princeton han desarrollado un detector que mide la madurez mediante ondas milimétricas, capaces de penetrar más profundamente en la fruta; consideran que este enfoque podría alimentar en el futuro también las previsiones de cosecha.

Además, están surgiendo soluciones de menor coste. Kevin Wang, de la Universidad de Florida, ha desarrollado una herramienta de conteo de fruta capaz de recopilar imágenes de drones de nivel 100 dólares. Aun así, los productores siguen mostrando reticencias a compartir con terceros información comercialmente sensible, como sus planes de fertilización y riego.

Según representantes del sector, estas herramientas abren un importante margen de optimización, pero en las decisiones críticas de cosecha seguirá existiendo un componente humano. Aunque los productores reciban los datos de la inteligencia artificial, prefieren tomar la decisión final con la experiencia del trabajo en el campo.

"""