Robots aprenden a recoger tomates con mayor precisión gracias a un nuevo modelo de decisión

La automatización agrícola avanza rápidamente ante la escasez de mano de obra en el campo, pero algunas tareas siguen siendo especialmente complejas para los robots. La recolección de tomates es una de ellas, ya que los frutos crecen en racimos y es necesario separar los maduros sin afectar a los inmaduros ni dañar la planta.

Un investigador de la Universidad Metropolitana de Osaka ha desarrollado un nuevo modelo que cambia la forma en que los robots enfrentan este problema. En lugar de limitarse a identificar tomates maduros, el sistema evalúa qué tan fácil es recoger cada fruto antes de intentar la cosecha.

El método combina reconocimiento de imágenes con análisis estadístico para analizar la posición del tomate, la orientación del tallo, la presencia de hojas cercanas y si el fruto está parcialmente oculto. Con esta información, el robot decide desde qué dirección conviene aproximarse para aumentar las probabilidades de éxito.

Este enfoque supone un cambio importante respecto a los modelos tradicionales, que se centran solo en detectar objetos. Aquí, el robot no se pregunta únicamente si puede recoger un tomate, sino cuál es la probabilidad real de hacerlo sin fallar.

En pruebas experimentales, el sistema logró una tasa de éxito del 81%, muy por encima de lo esperado. Una parte relevante de los tomates se recolectó con éxito desde ángulos laterales, después de que el enfoque frontal resultara poco eficaz.

Los resultados muestran que factores como la geometría del tallo, la agrupación de los frutos y la oclusión visual influyen de forma decisiva en la recolección automatizada. Tener en cuenta estos elementos permite a los robots adaptarse mejor a la complejidad real de las plantas.

A largo plazo, este tipo de avances podría facilitar una colaboración más eficiente entre humanos y robots en la agricultura. Los robots se encargarían de las cosechas más sencillas, mientras que las personas intervendrían en los casos más delicados.

Fuente: Universidad Municipal de Osaka