Hasta ahora las podredumbres de las naranjas se han detectado manualmente en cámaras oscuras con la ayuda de luz ultravioleta que, mediante fluorescencia, ilumina los aceites esenciales de las cáscaras dañadas. Esta tarea se realiza en turnos estrictos de trabajo por el riesgo que supone este tipo de luz, pero un equipo de investigadores valencianos acaba de crear una máquina capaz de realizar el trabajo de forma automática.

“En colaboración con una empresa del sector, hemos desarrollado el software y el hardware necesarios para poder localizar las podredumbres de los cítricos y descartar aquellos no aptos para la venta”, explica a SINC José Blasco, investigador del IVIA y miembro del equipo que ha patentado la máquina.

Se trata solo de una de las numerosas aplicaciones agrícolas desarrolladas por estos científicos en los últimos 20 años gracias a los avances de la visión artificial, un conjunto de técnicas que permiten programar al ordenador para que “entienda” la imagen que tiene delante y actuar en consecuencia. Los resultados se publican en la revista Food and Bioprocess Technology.

Otra de las máquinas permite, con luz visible, clasificar los cítricos de las líneas de confección según su calibre, coloración y el tipo de daño que presenta la piel. De esta forma se pueden separar los frutos de primera categoría, destinados a los mercados más exigentes, de los de segunda, perfectamente comestibles pero con algún pequeño defecto por golpes o rozaduras. Los análisis se realizan a una velocidad de entre 15 y 20 piezas por segundo.

Los investigadores también han desarrollado un dispositivo que automatiza la inspección de gajos de mandarina listos para su consumo. Tras separarlos de forma individual en una plataforma vibradora, se transportan por una cinta hasta la zona de inspección, que puede examinar hasta 28 gajos por segundo. Aquí se diferencian los rotos de los enteros y aquellos que tienen semillas de los que no. Las pieles y otros objetos extraños también se localizan y se eliminan de la línea de producción.

“Detrás de estos prototipos, además del desarrollo de técnicas estadísticas y de computación propias, está la cada vez mayor resolución de imagen que consiguen los equipos actuales, capaces de analizar objetos en regiones del espectro electromagnético a las que no llega el ojo humano, como el ultravioleta y el infrarrojo”, destaca Blasco.

Técnicas médicas para analizar la fruta

“Incluso hemos comenzado a inspeccionar la calidad interna de los frutos con imágenes por resonancia magnética (MRI), tomografía axial computarizada (TAC) o rayos X, como las que se emplean en medicina –añade–; aunque de momento son técnicas costosas y hay que seguir investigando para facilitar su instalación y aumentar su eficiencia en los procesos de selección de frutas”.

Una de las últimas investigaciones se centra en el uso de imágenes hiperespectrales, que recogen y procesan información de gran parte del espectro electromagnético y proporcionan medidas espectrales individuales para cada píxel. Este método se puede aplicar para identificar compuestos químicos, cuya concentración puede evolucionar durante procesos como la madurez o la podredumbre de los frutos. Así se puede predecir el momento óptimo de consumo o seguir la evolución de una enfermedad en la fruta.

El prototipo más voluminoso del IVIA es una máquina de asistencia a la recolección de cítricos, del tamaño de un gran tractor. Blasco señala que se trata de un prototipo autopropulsado capaz de realizar la clasificación de naranjas en el propio campo, “para lo cual es muy importante que el sistema de inspección sea muy eficiente desde el punto de vista del consumo energético”.

Los operarios recolectan la fruta y la depositan sobre una cinta móvil que incorpora la máquina. Mediante sensores y un sistema de visión se determina el calibre, el color y la presencia de daños externos en las naranjas.

La información captada por los sensores se transmite a un autómata programable para clasificar las fruta en las tres categorías establecidas. A su llegada al almacén se entrega preclasificada y acompañada de unas completas estadísticas sobre su calidad, lo que permite valorarla y tomar decisiones sobre su destino inmediato. Fuente:SINC