Inteligencia artificial y visión por ordenador para evaluar los componentes del rendimiento de la vid en viñedos comerciales

Abstract

La estimación del rendimiento es muy importante para la industria vitivinícola, ya que proporciona información útil para la gestión de viñedos y bodegas. Los efectos del cambio climático, como el aumento de las temperaturas y la menor disponibilidad de agua, pueden afectar a los componentes del rendimiento del viñedo. En general, la previsión tradicional del rendimiento se basaba en el recuento manual y destructivo de los racimos y el peso de las bayas. Los métodos convencionales no proporcionan una estimación precisa y son lentos, caros y laboriosos. En este estudio, se utilizaron métodos novedosos que emplean tecnologías digitales como el uso de la detección próxima, la visión por ordenador y la inteligencia artificial para la estimación del rendimiento en viñedos comerciales. La visión por ordenador se utilizó para la detección automática de diferentes características del dosel y para la calibración de ecuaciones de regresión para la predicción del rendimiento por cepa. La inteligencia artificial se utilizó para el recuento automático de racimos. Los resultados mostraron que el algoritmo de aprendizaje profundo fue capaz de detectar racimos con una alta precisión. En conclusión, nuestros resultados demostraron la aplicabilidad de estos nuevos métodos para evaluar los componentes del rendimiento en viñedos comerciales.Yield estimation is very important for the wine industry since provides useful information for vineyard and winery management. Climate change effects such as higher temperatures and lower water availability can affect vineyard yield components. In general, traditional yield forecasts are based on destructive manual counting of bunches and berry weight. These conventional methods do not provide accurate estimations and are time-consuming, expensive, and labour-intensive. In this study, novel methods using digital technologies such as computer vision and artificial intelligence were used to estimate yield in commercial vineyards. Computer vision was used for the automatic detection of different canopy features and the calibration of regression equations for the prediction of yield per vine. Artificial intelligence was used for the automatic counting of bunches. The results showed that the deep learning algorithm was able to detect bunches with hight accuracy. Our results demonstrate the applicability of these novel methods to assess yield components in commercial vineyards.