YOLO-Based Deep Learning for Citrus Fruit Detection, Counting, and Yield Estimation in Complex Orchard Environments: A Systematic Review

Imagina un huerto de naranjos, con sus ramas cargadas de fruta, ocultas bajo un dosel de hojas. Para un trabajador humano, contar cada una de las naranjas en una escena así es una tarea lenta y agotadora, propensa al error; una persona podría contar un fruto dos veces, mientras que otra podría pasar por alto uno que esté escondido en la sombra. Para los agricultores, equivocarse en este conteo significa calcular mal cuánta fruta cosecharán, lo que altera todo, desde la contratación de mano de obra hasta la planificación de cuántos camiones se necesitan. Para resolver esto, los científicos han recurrido a cámaras y computadoras, enseñando a las máquinas a "ver" la fruta tal como lo haría un humano. La herramienta más popular para este trabajo es un tipo de software llamado YOLO, que significa "You Only Look Once" (Solo Miras Una Vez). Es un sistema rápido y eficiente diseñado para escanear una imagen y detectar objetos instantáneamente, lo que lo hace ideal para robots o drones que necesitan tomar decisiones en fracciones de segundo mientras se desplazan por un huerto. Pero a medida que estas herramientas se han vuelto más comunes, el campo se ha congestionado con cientos de estudios diferentes, cada uno afirmando haber encontrado una mejor manera de contar cítricos. La pregunta sigue siendo: ¿están estos sistemas realmente listos para el mundo real, o son solo buenos actuando en un laboratorio controlado?

Un equipo de investigadores se propuso responder a esto realizando un análisis exhaustivo de casi doscientas investigaciones científicas que utilizaron estos sistemas de detección rápida para encontrar y contar cítricos. No se limitaron a leer los titulares; profundizaron en los detalles de noventa estudios específicos, aplicando un conjunto estricto de reglas para ver qué estaba sucediendo realmente detrás de los números. Su objetivo era comprender no solo qué tan bien se desempeñaban las computadoras, sino también cómo los investigadores las probaban y si los resultados eran dignos de confianza. Descubrieron que la tecnología, de hecho, ha madurado. Cuando estos sistemas se prueban con imágenes de fruta, son notablemente precisos, identificando correctamente la gran mayoría de las naranjas, limones y mandarinas que ven. En promedio, los sistemas encontraron alrededor del noventa por ciento de la fruta que realmente estaba allí y fueron correctos el noventa por ciento de las veces cuando decían haber encontrado algo. Este nivel de desempeño sugiere que la tecnología central funciona lo suficientemente bien como para ser útil.

Sin embargo, los investigadores descubrieron que la historia es más complicada de lo que sugieren las altas tasas de éxito. Si bien las computadoras son buenas detectando fruta en fotografías, la forma en que los científicos las han estado probando suele ser defectuosa. En casi todos los estudios revisados, los investigadores realizaron sus pruebas solo una vez, sin repetir el experimento para ver si los resultados eran consistentes o simplemente un golpe de suerte. Además, la mayoría de los estudios dependieron de colecciones muy pequeñas de imágenes, a menudo tomadas de un solo huerto bajo condiciones de iluminación perfectas. Esto es como probar un automóvil solo en una pista suave y vacía en verano y luego asumir que manejará igual de bien en un camino montañoso nevado. Los investigadores encontraron que cuando la fruta está oculta tras las hojas, o cuando la fruta verde se mezcla con las hojas verdes, las computadoras tienen dificultades significativas. También observaron que muy pocos estudios probaron realmente sus sistemas en robots o drones reales en el campo; la mayoría fueron probados en potentes computadoras en un laboratorio, lo cual es un entorno muy diferente a un huerto polvoriento e impredecible.

La revisión también destacó que el campo se ha asentado en un conjunto común de herramientas. La mayoría de los investigadores utilizan las mismas pocas versiones del software de detección y realizan ajustes similares para mejorarlas, como añadir módulos especiales para ayudar a la computadora a enfocarse en partes importantes de una imagen o hacer que el software sea más ligero para que pueda ejecutarse en dispositivos más pequeños. Sin embargo, a pesar de estos métodos compartidos, no existe un único conjunto de datos estándar que todos utilicen para comparar sus resultados. Es como si cada chef del mundo intentara demostrar que hace la mejor sopa, pero ningún par de chefs usara los mismos ingredientes o la misma receta, haciendo imposible saber quién es realmente el mejor. Los investigadores encontraron que solo una mínima fracción de los estudios utilizó cámaras avanzadas que pueden ver más allá de la luz visible, como sensores que detectan el calor o colores específicos invisibles para el ojo humano, lo que podría ayudar a distinguir la fruta de las hojas más fácilmente.

En última instancia, el estudio concluye que, si bien la capacidad de las computadoras para detectar cítricos ha alcanzado un alto nivel de precisión en entornos controlados, el campo aún no está listo para un uso generalizado y confiable en la agricultura real. La tecnología en sí misma no es el problema principal; el problema radica en cómo se valida. Los investigadores argumentan que el trabajo futuro debe centrarse en probar estos sistemas en condiciones diversas y difíciles, y en el hardware real utilizado en el campo, en lugar de solo en el laboratorio. Abogan por un estándar compartido para las pruebas, de modo que diferentes sistemas puedan compararse de manera justa, y por controles estadísticos más rigurosos para asegurar que los resultados sean repetibles. Hasta que se tomen estos pasos, la promesa de un conteo de fruta y una estimación de rendimiento totalmente automatizados seguirá fuera de nuestro alcance, esperando una base de evidencia más sólida que la sustente.