La empresa asturiana crea un novedoso sistema de detección de variedad y estado de maduración del Kiwi basado en el análisis de imágenes hiperespectrales y que, mediante técnicas de Deep Learning y utilizando redes neuronales convolucionales, consiguen lograr productos de mayor calidad y aumentar la competitividad de sus clientes.
A nivel mundial, el tamaño del mercado de kiwi se estima en 1.89 millones de dólares en 2024 y se espera que alcance los 2.42 mil millones de dólares para 2029, con un crecimiento anual compuesto (CAGR) del 5.02% durante el período de pronóstico (2024-2029). La demanda de kiwi está ganando impulso entre los consumidores en todo el mundo, fortalecida por la creciente preocupación de los consumidores por la salud y el bienestar.
En la actualidad, España ocupa el sexto puesto como productor de kiwis a nivel mundial y cuarto a nivel europeo según la Organización de las Naciones Unidas para la Alimentación y la Agricultura. La importancia que tiene el cultivo de esta fruta en nuestro país es evidente, siendo mayor en Comunidades Autónomas como Asturias y Galicia.
Lo que debe diferenciar una producción es su calidad, pero la calidad de las frutas tradicionalmente se hace en base a la experiencia de los agricultores y técnicos, basándose únicamente en su percepción visual. Esto puede generar errores en la determinación de la fecha optima de distribución. Una mejora en el proceso de distribución, que asegura que la fruta alcanza a los consumidores en el momento óptimo, eleva la satisfacción del consumidor y genera una gran ventaja competitiva de las empresas sobre sus competidoras.
Gracias a sus propiedades saludables, que contribuyen a la prevención de enfermedades y al mantenimiento del peso, las frutas de alta calidad como el kiwi, han despertado un interés creciente entre los consumidores dispuestos a pagar precios significativamente más altos para saborear la auténtica esencia de la fruta. Entre las diez frutas más caras en el mercado, el kiwi se destaca, siendo su sabor un factor esencial en las decisiones de compra de los consumidores.
Cuando un cliente percibe una fruta de mal sabor, puede tener diversas consecuencias, afectando tanto al cliente como al productor de frutas. Para mitigar estos riesgos, es crucial que los productores de frutas implementen rigurosas medidas de control de calidad, que incluyan inspecciones regulares, el cumplimiento de estándares de seguridad alimentaria y una mejora continua en las prácticas agrícolas y de producción.
La clasificación manual de los kiwis puede ser efectiva para identificar aquellos en mal estado; sin embargo, presenta limitaciones significativas en cuanto a velocidad y eficiencia. Errores comunes en este sistema, como subjetividad, fatiga e inconsistencia, se eliminan gracias a la solución Kiwinir de Roboticssa. Además, en operaciones a gran escala, depender exclusivamente de la clasificación manual podría resultar impráctico para cumplir con los exigentes requisitos de producción.
La detección de daños internos en los kiwis es esencial para mantener la calidad, garantizar la satisfacción del consumidor, minimizar el desperdicio y sostener la viabilidad económica de toda la cadena de suministro. Utilizar tecnologías avanzadas, como sistemas de inspección no destructivos, puede mejorar la precisión y la eficiencia de este proceso de detección.
Foto: Sistema de clasificación de fruta Kiwinir.
La solución Kiwinir es un sistema avanzado de imágenes hiperespectrales (IHS), que combina los espectros visibles/infrarrojo cercano (Vis-NIR) e infrarrojo cercano (NIR), fue desarrollado para evaluar la madurez del kiwi a través de su contenido en grados Brix que se correlaciona durante el entrenamiento del sistema con las imágenes hiperepectrales. Este sistema está compuesto por una cámara multiespectral, apoyada por un sistema de iluminación halógena, un detector de presencia y un ordenador industrial robusto. Los kiwis se procesan individualmente en una cinta transportadora, donde el sensor de presencia activa la adquisición de imágenes multiespectrales. Estas imágenes son procesadas mediante un algoritmo de machine learning para determinar la madurez de cada kiwi.
Foto: Lesiones internas del Kiwi detectada por la espectroscopia Vis-NIR
El sistema utiliza una arquitectura de red neuronal convolucional (CNN). Este tipo de algoritmo es adecuado para analizar imágenes y espectros, y se ha aplicado con éxito a diversas tareas de imágenes hiperespectrales, como clasificación, segmentación o regresión. La CNN ha sido entrenada con un conjunto de datos de frutas etiquetadas, donde se proporcionaron datos espectrales y etiquetas de madurez, y puede aprender a predecir la madurez de nuevas frutas en función de sus datos espectrales. Aunque no podemos proporcionar detalles explícitos sobre la arquitectura de nuestra red neuronal convolucional debido a consideraciones de propiedad intelectual y planes de patentes futuros, es importante señalar que la estructura real utilizada en la tecnología Kiwinir se asemeja al modelo que está a punto de ser introducido. Los ajustes específicos realizados son lo que hacen que nuestro modelo sea único y potente en la evaluación de la madurez de las frutas.
En el sistema Kiwinir se resalta la superioridad de utilizar bandas espectrales después de la fusión de información para la detección de calidad no destructiva del kiwi. Los hallazgos destacaron la efectividad de la tecnología de imágenes hiperespectrales para la evaluación no destructiva de múltiples cualidades en los kiwis. La fusión de dos espectros demostró superar a un solo espectro en la predicción rápida de diversas cualidades. Las percepciones del estudio podrían proporcionar un valioso respaldo técnico para la rápida detección no destructiva de múltiples cualidades en otros melones y frutas.
El innovador sistema presenta características distintivas que lo destacan en el campo de la clasificación de productos. Con una clasificación no destructiva, va más allá de la simple evaluación superficial, utilizando un algoritmo de aprendizaje automático exclusivo. Esto no solo garantiza la preservación del producto, sino que también permite una clasificación más precisa y detallada. Los beneficios de esta tecnología son evidentes, desde la reducción de costos hasta la optimización de procesos, asegurando así la calidad superior del producto final.
El modelo de negocio establecido Roboticssa para su solución Kiwinir se centra principalmente en el ámbito B2B, adoptando el modelo de Robots como Servicio (Raas).
El modelo Raas ofrece un servicio en lugar de vender unidades físicas. Los ingresos principales provendrán de cada fruta controlada por el cliente. Esta modalidad presenta ventajas significativas, ya que el cliente asume cero riesgos al no requerir una inversión inicial. Asimismo, se logra una reducción en los costos operativos fijos, permitiendo una mayor flexibilidad financiera para nuestros socios comerciales. Además, “al eliminar las barreras de entrada, especialmente para los productores a pequeña escala, se impulsa la eficiencia y la calidad en la industria de producción de kiwis” explica Ignacio Secades, CEO de la empresa Roboticssa.
En la actualidad, Roboticssa se halla en la etapa de validación de su tecnología y está en la búsqueda de empresas productoras de fruta fresca con el propósito de establecer proyectos piloto destinados a evaluar la eficacia de la tecnología del Kiwinir.
Noticia enviada por Roboticssa