La producción de fresas sigue registrando altibajos y esto hace que prever con exactitud la cosecha sea todo un reto. Se ha tenido que aceptar un margen de error de entre el 30% y el 50%.
No es de extrañar, si se tiene en cuenta que los productores siguen realizando el recuento manualmente y, a menudo, no a diario, señala Pieterjan Oomen, jefe de producto, diseñador y socio de YieldComputer. La empresa cuenta fruta a diario con cámaras y ha desarrollado un software para ello. Ahora el objetivo es lograr hacer predicciones de kilos a nivel diario. Los primeros productores ya lo están probando.
Paul Rooimans y Pieterjan Oomen en la International Soft Fruit Conference 2023
Enfoque hortícola
BerryWorld lanzó la primera versión del sistema para la predicción de la cosecha de fresas en 2019. En ese momento, se usaban incluso imágenes de una cámara GoPro, recuerda Pieterjan. "Con eso, empezamos a recopilar los primeros datos". La empresa de cultivo y desarrollo de fresas tuvo el honor de implementar el primer piloto.
Los fundadores de la startup con sede en Eindhoven, que está ahora a punto de ampliar su escala, habían contactado con Wil Beekers. Hasta entonces, se habían centrado en otros sectores para resolver problemas con su tecnología basada en la inteligencia artificial. Wil expuso a las empresas tecnológicas el problema que suponía la previsión de cosechas. Esto hizo que YieldComputer centrara su trabajo en la horticultura y se sembrara la semilla de la solución para la previsión de cosechas.
Previsiones imprecisas
YieldComputer comprendió rápidamente que la previsión de cosechas era un reto importante en el sector de la fresa. Discrepancias de entre el 30 y el 50% entre los volúmenes previstos y los volúmenes finales eran y siguen siendo habituales. Esto perjudica tanto al productor como al comercio y a los compradores.
"Las previsiones inexactas suelen traducirse en un precio más bajo por kilogramo, dado que el volumen excedente se vende a precios de dumping. A menudo, un excedente llega inesperadamente y el comercio no puede planificar una promoción a tiempo. En caso de escasez, es necesario comprar un volumen complementario a precios altos para poder vender el volumen acordado".
Basado en datos
YieldComputer ofrece una solución basada en datos para optimizar las previsiones de cosecha. Pieterjan explica: "Los productores cuentan manualmente la fruta en las plantas una vez a la semana, pero a menudo menos. El recuento manual también se realiza una vez por cosecha. Esto no es suficiente y hace imposible realizar predicciones precisas".
Los productores suelen tener mucha experiencia y conocimientos, pero eso no resuelve todos los problemas. "A menudo se hacen comparaciones con un periodo cálido del año anterior para hacer una estimación, pero esto no ofrece una imagen exacta de la situación de la cosecha actual. Un periodo cálido dos semanas antes o después, durante el periodo de cosecha, o unas temperaturas ligeramente superiores o inferiores son factores importantes. Por eso ofrecemos información objetiva (histórica) y los agricultores pueden combinarla con sus conocimientos y experiencia".
Haz clic aquí para ampliar la imagen
La empresa quiere reducir la desviación entre la predicción y los datos reales entre un 5% y un 10%. "Nuestros clientes actuales ya están viendo una optimización del margen de error de hasta el 30% con nuestra solución actual", afirma. YieldComputer funciona con un modelo de precios basado en el rendimiento. El agricultor paga una cuota base y, además, otra cuota que cambia a medida que mejoran las predicciones. "Como queremos ofrecer un valor añadido real al productor con nuestra solución, este solo paga más cuando la previsión está correctamente optimizada, de modo que pueda también obtener el valor añadido correspondiente".
Ya se han dado pasos en el pasado para la predicción de cosechas de fresa. "Esos intentos nunca llegaron a buen puerto. A veces nos damos cuenta de que los productores siguen siendo un poco reticentes por este motivo. A nuestros ojos, cuando hacían previsiones, a menudo basadas en datos históricos globales y previsiones meteorológicas, no se tenía en cuenta la situación del propio cultivo a nivel local. Nosotros sí tenemos eso en cuenta. Ese es nuestro rasgo distintivo".
Haz clic aquí para ampliar la imagen
Estación climática con cámara
Gracias al software basado en datos y sus predicciones más precisas, YieldComputer ya prevé ganancias en la cadena para productores y comerciantes. Por otro lado, la empresa también ofrece una SmartCropCam. El uso de esta estación climática autónoma es importante para lograr una previsión óptima. La estación mide la temperatura, la humedad relativa, el CO₂ y la luz. Además, está equipada con una cámara que puede colocarse tanto en cultivos de invernadero como al aire libre. Se necesitan un mínimo de cuatro por terreno de cultivo. En función de las condiciones locales y la homogeneidad del campo, puede ser necesario colocar más. "Por ejemplo, en cultivos al aire libre en pendiente o con árboles alrededor, donde hay diferencias de altura y de zonas de sol y sombra. Estas condiciones físicas pueden hacer que se necesiten más estaciones de medición con cámara".
La SmartCropCam hace innecesario el recuento manual por parte del productor. Se ha desarrollado un pie de cámara especial para montar la SmartCropCam. "Se adapta a casi cualquier tipo de bandeja, maceta o canaleta de las que utilizan los productores. En países como España, también utilizamos las cámaras para el cultivo en caballones. En esos casos, colocamos la cámara en el bancal con una pinza. Evitamos que crezcan hojas delante del objetivo con una rejilla alrededor de la cámara".
YieldComputer optó deliberadamente por usar su propia estación de medición climática. Esto significa que la empresa no depende de conexiones con ordenadores climáticos y tiene el control de los datos. Los datos de los agricultores siguen siendo los datos de los agricultores. Además, el modelo aprende gradualmente de los datos para hacerse más inteligente a partir de ellos. "Al pasar del invernadero al exterior, y por tanto de película blanca en la tierra a hierba, la cámara se confundió al principio. El modelo veía fresas en la hierba. Tras el reentrenamiento, mejoró. Eso hizo que nuestro modelo ganara robustez. Después de eso, el paso al cultivo en caballones con plástico negro resultó más fácil".
Predicción de kilos a diario
Las cámaras de YieldComputer tampoco son capaces de ver a través de las hojas. "Nuestras cámaras hacen una foto del cultivo cada día. La fruta que está detrás de la hoja no la vemos. Pero eso no importa en nuestro caso, porque podemos combinar las fotos con cifras sobre la cosecha obtenida. Utilizamos bucles de retroalimentación para corregir este 'problema' en los datos. Recurriendo, entre otros datos, al peso medio de la fruta, podemos seguir calculando cuál será la cosecha".
El funcionamiento del modelo de previsión de YieldComputer, con el que ya trabajan productores de los Países Bajos, España, el Reino Unido y Alemania, se basa en la previsión de tendencias. El objetivo final es la predicción de kilos a nivel diario. "El otoño pasado hicimos una prueba piloto", indica el jefe de producto. "En 2023, queremos desplegar el uso de este modelo a todos los productores con los que hemos estado trabajando desde 2019 y de quienes, por lo tanto, disponemos de conjuntos de datos completos".
Ya existía interés por la previsión de cosechas desde el lanzamiento al mercado de YieldComputer. Con el nuevo paso que está dando la empresa hacia la previsión por kilos, ese interés no hará más que aumentar, predice Pieterjan. "Hay mucho interés, pero nosotros seguimos siendo una empresa relativamente pequeña. Queremos poder prestar toda nuestra atención a los productores con los que trabajamos. El año que viene esperamos crecer rápidamente. Nuestra solución de software ya está lista para un lanzamiento a gran escala. Ahora estamos optimizando nuestro desarrollo de IA".
YieldComputer también está estudiando trabajar a su debido momento con otros cultivos, para predecir sus cosechas. La frambuesa es la primera en el punto de mira. "Para ello, necesitas otro tipo de fotos. Preferiblemente, se fotografía desde abajo para tener una mejor visión de todos los frutos". Haz clic aquí para ampliar la imagen
Evolución reciente
Predecir la cosecha de fresas era ya complicado, pero los últimos acontecimientos no han puesto las cosas más fáciles. Los calendarios de cultivo han empezado a cambiar, incluso para el cultivo de la fresa. Además, se está reduciendo el uso de iluminación y calefacción. Las variedades perennes son muy populares. "También nos fijamos en la temperatura, pero utilizamos esos datos sobre todo para hacer ajustes y calcular diferencias", indica el jefe de producto. "A diferencia del tomate, para el que también se está desarrollando la previsión de cosechas, la fresa no es tan constante. En cambio, con la fresa también nos fijamos en los cambios y estimamos su impacto".
La solución basada en datos de YieldComputer está ahora configurada principalmente para las cosechas de junio. Con ello se ha adquirido mucha experiencia. "Todavía hay muchas cosas que no están claras en lo que respecta a las variedades perennes". Pieterjan cree que serán necesarios incluso exámenes microscópicos para poder conocer mejor el cultivo. "Actualmente seguimos trabajando con un modelo de previsión genérico, pero tenemos el ojo puesto en la evolución del mercado".
Para más información:
Pieterjan Oomen 
YieldComputer
info@yieldcomputer.com
www.yieldcomputer.com