Estudio y desarrollo de soluciones mecanizadas automatizadas mediante la aplicación de sensores y nuevas tecnologías para la producción de cítricos

Abstract

[ES] El objetivo de esta Tesis Doctoral es generar conocimiento y tecnología que permitan desarrollar soluciones mecanizadas y automatizadas mediante la aplicación de sensores para monitorizar, optimizar tareas y aumentar la productividad en los cultivos de cítricos y, por ende, la competitividad del sector citrícola. Con este fin, se ha trabajado en la aplicación de tecnologías en algunas de las operaciones más importantes y costosas en la citricultura. En el ámbito de la recolección, con el objetivo de facilitar y optimizar el proceso de recolección de cítricos para consumo en fresco, se implementaron mejoras en un prototipo de plataforma autopropulsada de asistencia para garantizar la seguridad de los trabajadores y minimizar los riesgos laborales, asegurar la calidad de la fruta recolectada y clasificarla adecuadamente en función de su calidad por un sistema de visión artificial. Tras la implementación de estos avances, se evaluó su funcionalidad en condiciones reales de campo y se determinó el rendimiento de la operación de recolección asistida. Los resultados mostraron que el rendimiento operativo teórico en el proceso de recolección con la asistencia del prototipo fue un 17% menor que en la recolección manual tradicional. Asimismo, con la finalidad de generar de manera automática mapas de rendimiento en cítricos accesibles al agricultor, se creó una nueva herramienta a modo de cuadro de mando, denominada CitrusYield. Esta herramienta es capaz de obtener mapas que muestran la variabilidad, haciendo uso de la información proporcionada al inspeccionar cada fruta y de los datos obtenidos por los dispositivos de geolocalización, permitiendo conocer el rendimiento de la producción a nivel intraparcelario. Se evalúo el funcionamiento de CitrusYield con datos obtenidos por el prototipo. El cuadro de mando analizó los datos y generó diferentes mapas georreferenciando la información de la fruta con su punto de recolección. A través de estos mapas, CitrusYield demostró su capacidad para reflejar la heterogeneidad de la producción dentro de la parcela. Los indicadores de calidad, rendimiento del sistema de inspección por visión artificial y la productividad revelaron el grado de eficiencia del proceso de recolección con la asistencia del prototipo. En el ámbito de la detección temprana de plagas y enfermedades, se llevó a cabo la investigación del potencial de la imagen en color y de la imagen hiperespectral para la detección automática de daños causados por la plaga Tetranychus urticae en hojas de cítricos. Además, se diferenciaron en función de la antigüedad y de otros problemas que puede tener el árbol causados por deficiencias nutricionales o por otras plagas. En el análisis para identificar el daño causado por esta plaga, se obtuvo una tasa de éxito del 92,5% en las imágenes en color. No obstante, no se pudo discriminar la edad del daño. En las imágenes hiperespectrales, el éxito fue del 100% en la detección del daño y del 92% en la discriminación de la edad. En cuanto a la discriminación de daños de T. urticae respecto a otros daños, en las imágenes en color se obtuvo una tasa de éxito del 100% en la discriminación de Phyllocnistis citrella en el envés de las hojas. Las deficiencias de N no pudieron discriminarse correctamente y las deficiencias de Fe, Mn o Zn se detectaron acertadamente en el 50% de los casos. En las imágenes hiperespectrales, los daños por P. citrella se discriminaron con éxito en el 100% de los casos. Las deficiencias por N se discriminaron correctamente en más del 65% de los casos. No obstante, las deficiencias de Fe, Mn o Zn no pudieron ser discriminadas correctamente. Las conclusiones de esta Tesis Doctoral ponen de manifiesto el gran potencial de implementar estas tecnologías para monitorizar, optimizar tareas y digitalizar los procesos en las labores llevadas a cabo en los campos de cítricos, de manera que se logra aumentar la eficiencia, productividad y, también, la competitividad en el sector.

[CA] L'objectiu d'esta Tesi Doctoral és generar coneixement i tecnologia que permeten desenvolupar solucions mecanitzades i automatitzades mitjançant l'aplicació de sensors per a monitoritzar, optimitzar tasques i augmentar la productivitat en els cultius de cítrics i, per tant, la competitivitat del sector citrícola. Amb este fi, s'ha treballat en l'aplicació de tecnologies en algunes de les operacions més importants i costoses de la citricultura. Amb l'objectiu de facilitar i optimitzar el procés de recol·lecció de cítrics per a consum en fresc es van implementar millores en un prototip de plataforma autopropulsada d'assistència per a garantir la seguretat dels treballadors i minimitzar els riscos laborals, assegurar la qualitat de la fruita recol·lectada i classificar-la adequadament en funció de la qualitat estimada pel sistema de visió artificial. Després de la implementació d'estos avanços, es va avaluar la seua funcionalitat en condicions reals de camp i es va determinar el rendiment de l'operació de recol·lecció assistida. Els resultats van mostrar que el rendiment operatiu teòric en el procés de recol·lecció amb l'assistència del prototip va ser un 17% menor que en la recol·lecció manual tradicional. Així mateix, amb la finalitat de generar de manera automàtica mapes de rendiment en cítrics accessibles a l'agricultor, es va crear una nova eina digital a manera de quadre de comandament, denominada CitrusYield. Esta eina és capaç d'obtindre mapes que mostren la variabilitat, fent ús de la informació proporcionada pel sistema de visió artificial i de les dades obtingudes pels dispositius de geolocalización, permetent conéixer el rendiment de la producció a nivell intraparcel·lari. El quadre de comandament va analitzar les dades i va generar diferents mapes georreferenciant l'informació de la fruita amb el seu punt de recol·lecció. A través d'estos mapes, CitrusYield va demostrar la seua capacitat per a reflectir l'heterogeneïtat de la producció dins de la parcel·la. Els indicadors de qualitat, rendiment del sistema d'inspecció per visió artificial i la productivitat calculats per CitrusYield van revelar el grau d'eficiència del procés de recol·lecció amb l'assistència del prototip. En l'àmbit de la detecció de plagues i malalties de cítrics, es va dur a terme la investigació del potencial de la imatge en color i de la imatge hiperespectral, per a la detecció automàtica de danys causats per la plaga Tetranychus urticae en fulls de cítrics. A més, es van discriminar en funció de l'antiguitat i d'altres problemes que pot tindre l'arbre causats per deficiències nutricionals o per altres plagues. En l'anàlisi per a identificar el dany causat per esta plaga, es va obtindre una taxa d'èxit del 92,5% en les imatges en color. No obstant això, no es va poder discriminar l'edat del dany. En les imatges hiperespectrals, l'èxit va ser del 100% en la detecció del dany i del 92% en la discriminació de l'edat. En quan a la discriminació de danys de T. urticae respecte a altres danys, en les imatges en color es va obtindre una taxa d'èxit del 100% en la discriminació de Phyllocnistis citrella en el revés dels fulls. Les deficiències de N no van poder discriminar-se correctament i les deficiències de Fe, Mn o Zn es van detectar encertadament en el 50% dels casos. En les imatges hiperespectrals, els danys per pogué P. citrella es van discriminar amb èxit en el 100% dels casos, tant en el feix com en el revés dels fulls. Les deficiències per N es van discriminar correctament en més del 65% dels casos també en ambdós costats del full. No obstant això, les deficiències de Fe, Mn o Zn no van poder ser discriminades correctament Les conclusions de esta Tesi Doctoral posen de manifest el gran potencial d'implementar estes tecnologies per a monitoritzar, optimitzar tasques i digitalitzar els processos en les labors dues a terme en els camps de cítrics, de manera que s'aconseguix augmentar l'eficiència, productivitat i la competitivitat en el sector.

[EN] This PhD dissertation aims to generate knowledge and technology to develop mechanised and automated solutions to monitor processes, optimise tasks and increase the productivity of citrus crops and, therefore, the competitiveness of the citriculture sector. For this purpose, this thesis has focused on the development of technologies in some of the most important and costly operations in the citrus sector. To facilitate and optimise the harvesting of citrus fruits for the fresh market, improvements were implemented in a prototype of a self-propelled assistance platform. The research has focused on guaranteeing the operator safety, ensuring the quality of the harvested fruit and classifying it properly based on its quality by an artificial vision system in real-time. The functionality was evaluated in-field conditions and performance was assessed. The results showed that the assisted harvesting process with the platform was more efficient than traditional manual harvesting. A theoretical operation yield was obtained with the prototype, 17% lower than in conventional manual harvesting. Furthermore, in order to automatically generate citrus yield maps accessible for the farmer, a new digital tool was created as a dashboard, called CitrusYield. This tool is capable of obtaining maps showing the variability, using the information provided during the fruit inspection at harvest and the data obtained by the geolocation device, and also allowing to know the performance of the production at the intra-orchard level. The CitrusYield functionality was evaluated with data obtained by the prototype. The dashboard analysed the data and generated different maps georeferencing the information of the fruit with its harvesting point. Through these maps, the ability of CitrusYield to show the heterogeneity of production within the orchard was demonstrated. The production variability was also quantified in the tables and graphs generated by the tool. The indicators of fruit quality obtained by the artificial vision system and the productivity revealed the degree of effectiveness and efficiency of the harvesting process with the prototype. In the context of early citrus pests and diseases detection, the potential of colour and hyperspectral imaging, as a fast and automatic methods to detect the presence and the age of the damage caused by the Tetranychus urticae pest on citrus leaves, were investigated. Another goal was to discriminate this damage from that caused by other pests and from nutritional deficiencies. In the analysis of identifying the damage caused by T. urticae, a success rate of 92,5% was obtained in the colour images. However, the age of the damage could not be discriminated. In hyperspectral images, the success rate was 100% in damage detection and 92% in age discrimination. Regarding the discrimination of T. urticae damages from others, in the colour images, a success of 100% was obtained in the discrimination of Phyllocnistis citrella on the underside of the leaves. N deficiencies could not be correctly discriminated and Fe, Mn or Zn deficiencies were correctly detected in 50% of cases. In the hyperspectral images, P. citrella damage was successfully discriminated in 100% of cases, both on the upper and under sides of the leaves. N deficiencies were correctly discriminated in more than 65% of cases on both sides of the leaf. However, Fe, Mn or Zn deficiencies could not be correctly discriminated. The conclusions of this Thesis show the potential of implementing these technologies to monitor, optimize tasks and digitize agricultural processes in the operations usually done in citrus crops. Therefore, the efficiency, productivity and competitiveness of the sector can increase when these technologies are used.