Los bananos son las frutas más comercializadas en el mundo. Diferentes investigaciones vienen desarrollando modelos analíticos usando Inteligencia Artificial (IA) para resolver los desafíos que enfrenta su cadena productiva.  Un estudio desarrollado en la Universidad de Piura hace una revisión de tales investigaciones para determinar que al menos existen 11 áreas de aplicación de la IA en la precosecha, cosecha y poscosecha de la fruta.

La revisión exhaustiva cubre la literatura publicada entre 2015 y 2020 a partir de bases de datos en línea, donde se recuperaron estudios relevantes de 23 países. El artículo descubrió 11 áreas de aplicación de IA para bananos, como madurez, enfermedades de las hojas, clasificación de calidad, tipo de cultivo, rendimiento del cultivo y control del suelo.

El estudio lleva por nombre “Inteligencia Artificial aplicada al banano: desarrollos tecnológicos, impactos y desafíos futuros”, y fue difundido en la revista científica Engenharia Agrícola de Brasil. Estuvo a cargo de la ingeniera Estefani Almeyda, candidata a doctora por la Universidad de Piura junto al doctor William Ipanaqué Alama, docente y director del Laboratorio de Sistemas Automatizados de Control de la Facultad de Ingeniería de la Universidad de Piura.

Almeyda destaca que la mayor producción científica en IA está concentrada en los temas de madurez, enfermedad, tipo de cultivo, clasificación de calidad, rendimiento del cultivo y reconocimiento de frutos. Además, destaca el apoyo financiero de Concytec y el Banco Mundial para esta investigación. Entre las diferentes fases analizadas, destacan lo siguiente:

1) Detección de tipo de cultivo.  Identificar plantaciones de banano, entre otros, cultivos.

2) Clasificación de la calidad del suelo. Clasificar el tipo o la calidad de suelo en el cultivo de banano.

3) Enfermedades. Detección de enfermedades y clasificación. Detección de hojas enfermas de banano o clasificación de los tipos de enfermedad que afectan a las hojas.

4) Plagas. Clasificación de la incidencia de plagas. Estimación del nivel de incidencia de la plaga en las plantaciones de banano.

5) Madurez. Clasificación del nivel de madurez. Analizar la madurez de la fruta y clasificar las etapas de madurez.

6) Clasificación de la edad del racimo del banano. Detectar y clasificar el nivel de madurez o la forma de racimos en la planta de banano.

7) Clasificación de calidad de banano. Clasificación de la calidad del banano en poscosecha.

8) Reconocimiento de la forma del fruto. Clasificación de los tipos de cultivares o detección del banano, entre otras frutas.

9) Rendimiento de los cultivos. Pronóstico de rendimiento de cultivos. Clasificación del nivel de rendimiento del cultivo de banano (toneladas/hectárea) o estimación del período de cosecha (días).

10) Parámetros de los procesos. Estimación de los parámetros de procesos. Predicción de parámetros de salida en el proceso culinario de secado del banano.

11) Producción para consumidores. Previsión de la producción de banano. Basado en la producción total (país) durante los últimos años, contar con un pronóstico de producción para los años siguientes.

Los investigadores subrayan que este estudio es pionero en completar una descripción general de los modelos basados en IA en el mundo de la industria bananera. Este marco puede servir para continuar con nuevos desarrollos en nuevas áreas de investigación y así ampliar el conocimiento en el futuro, explican.