Un equipo investigador del Centro de Investigación en Agrigenómica (CRAG) ha desarrollado un método informático automatizado y rentable para evaluar la forma y el color de la fruta que contribuirá a aumentar la eficiencia agrícola. El estudio, publicado en la revista científica Plant Phenomics, se ha realizado utilizando imágenes de fresa, aunque su algoritmo de aprendizaje automático se puede aplicar fácilmente a otros frutos como manzanas, tomates y cítricos. El software ideado también puede predecir virtualmente la forma y apariencia de la fruta, proporcionando una poderosa herramienta de simulación para diseñar nuevos cruces. El equipo investigador ha dado acceso abierto al código para que la comunidad lo adapte a sus necesidades.
El corte de la fresa permite observar su patrón de coloración interno (CRAG).
Implementando algoritmos de aprendizaje profundo
En este estudio, el equipo investigador tomó fotografías externas y de medio corte de unas 2.000 fresas de diferentes líneas de mejora proporcionadas por la empresa Planasa, recolectadas en la campaña 2018 en Huelva (España). “Evaluar la forma de un objeto dado, una fresa en este caso, a partir de una fotografía no es tan sencillo como pueda parecer. Los descriptores lineales clásicos –área, perímetro, altura, anchura…– tienen ciertas limitaciones que llevan a la pérdida de información relevante al simplificar extremadamente las características morfológicas. Para evaluar la forma de modo más detallado, complementamos estos métodos lineales con técnicas multivariadas y de aprendizaje profundo”, explica la primera autora del artículo, Laura M. Zingaretti, que realizó este trabajo como parte de su tesis doctoral en el CRAG.
Combinando estos métodos, el equipo investigador ha sido capaz de generar un software automatizado que analiza patrones de forma y color extraídos de imágenes de fresa. La herramienta desarrollada está bastante más automatizada que sus predecesoras, ya que requiere una mínima intervención del usuario y un tiempo de computación limitado, lo que proporciona una forma económica y rápida para la evaluación fenómica.
Laura M. Zingaretti (centro), Amparo Monfort (izquierda) y Miguel Pérez-Enciso (derecha) (CRAG).
Una herramienta para mejorar la eficiencia agrícola
“Además del análisis morfológico, nuestra herramienta de aprendizaje profundo es capaz de predecir la apariencia de los frutos de nuevos cruces. Este aporte puede ser muy valioso en el primer paso de los programas de mejora vegetal, ya que permitiría evaluar varios cruces sin necesidad de probarlos directamente en campo, ahorrando tiempo y recursos”, señala Miguel Pérez-Enciso, investigador ICREA en el CRAG y codirector de la tesis.
“Esta herramienta tiene además el potencial de ser adaptada para medir los rasgos fenómicos visuales de los frutos directamente en el campo, para analizar otras características de conformación de las plantas (hojas, flores, raíces…), o para la evaluación temprana de enfermedades”, agrega Amparo Monfort, investigadora del IRTA en CRAG y codirectora del trabajo.
Para más información:
IRTA
www.irta.cat