Creada por sflores el 15-09-2022

Académico de la DIICC se adjudicó el fondo IdeA I+D 2022 con un proyecto para automatizar la inspección de frutas a través de algoritmos de aprendizaje automático y visión por computador

En el área revolución tecnológica se inscribe el proyecto “Inspección Automática de Frutas en Centros de Empaquetado, Usando Algoritmos de Machine Learning y Machine Vision, apoyado por un equipo de la Dirección de Innovación, Desarrollo y Transferencia DIDET de la Universidad de Atacama. Se trata del primer proyecto FONDEF Nacional adjudicado un académico UDA: Vladimir Riffo, Director de Investigación, a partir del 16 de septiembre 2022.

Aunque los inspectores humanos, en general, pueden realizar la tarea mejor que las máquinas, son más lentos y se cansan rápidamente, pudiendo incluso bajar la eficiencia del proceso, producto del desgaste propio de un trabajo repetitivo en las líneas de empaquetado de frutas. 
En el control de calidad en las líneas de empaquetado de las frutas, como por ejemplo manzanas, la complejidad de la inspección es muy alta y se siguen empleando inspectores humanos.
Estos, entre otros aspectos fueron, identificados como las oportunidades de mejora que brinda el proyecto de investigación aplicada, que se adjudicó el concurso FONDEF Nacional IdeA I+D 2022. 
En entrevista con RADIO UDA, el Director del proyecto y próximo a asumir la Dirección de Investigación de la Universidad de Atacama, Vladimir Riffo,junto al Director Alterno, John Castro ambos académicos del  Departamento de Ingenería en Informática y Ciencias de la Computación DIICC ahondaron sobre la iniciativa.
¿Cómo nace esta línea de investigación y cómo finalmente llegan a este proyecto? 
 Esta línea de investigación nace en mis estudios de doctorado. Mi doctorado lo hice en ciencias de la ingeniería y me especialicé en visión por computador y aprendizaje automático.  
Los sistemas automáticos de inspección no destructiva, NDT (NDT: Non-Destructive Tes- ting), han sido ampliamente usados en la detección o reconocimiento de objetos, basado en extracción de características, como por ejemplo, apariencia, forma, gradiente, etc. Actualmente, existen por tanto, una gran variedad de metodologías y algoritmos que han sido desarrollados para aplicaciones específicas. Adicionalmente, los avances en el aprendizaje automático (Machine Learning) y visión de máquina (Machine Vision), nos hace pensar que es posible dar pasos incrementales en el camino de la automatización de tareas de inspección y control de calidad de frutas, que actualmente en Chile son realizadas por inspectores humanos en centros de empaquetado (packing). Nuestra propuesta metodológica incluye, i) detección de fruta con algún daño, ii) cuantificación (en [mm2]) del daño y finalmente, iii) descarte o retiro de la fruta dañada desde la zona de producción.
¿En qué consiste? Existen experiencias o modelos aplicados actualmente a algún proceso industrial en Chile o el mundo? 
Existen trabajos relacionados en línea de producción de alimentos en general, pero que se reducen al empaquetado de productos alimenticios, como por ejemplo galletas y frutas. Sin embargo, dentro de nuestra revisión de literatura no evidenciamos sistemas de detección, clasificación y cuantificación de los distintos daños, y a la vez al ser detectado el daño descartarlo de la línea de producción. Todo esto será realizado por un sistema de visión por computador y un manipulador robótico.
¿Cómo puede impactar la industria de la fruta y concatenadamente el proceso hasta beneficiar al usuario final, es decir el consumidor o cliente? 
La fruta de alta calidad es la principal elección de los consumidores y, por tanto, el principal objetivo que persiguen los productores y transformadores de frutas. Las normas de calidad de los productos agrícolas no siempre están bien definidas y pueden variar según el uso final de los productos y los mercados de destino. Sin embargo, hay ciertos factores que se utilizan habitualmente para evaluar la calidad; por ejemplo, en las manzanas se evalúan la firmeza, el contenido de sólidos solubles y la madurez, así como las características de apariencia, como el tamaño o el peso, la forma, el color y la ausencia de defectos. La evaluación de la calidad ayudaría a los productores y a las empresas de envasado a determinar el momento óptimo de la cosecha y a aplicar regímenes de manipulación adecuados para mantener la calidad del producto y reducir las pérdidas debidas a defectos, enfermedades y/o plagas durante el almacenamiento y el envasado después de la cosecha. Además, la selección y clasificación de frutas permitiría diferenciar los grados de calidad con diferentes esquemas de precios, ofrecería una garantía de calidad al consumidor, añadiría valor al producto y, finalmente, mejoraría la satisfacción del consumidor y la rentabilidad de la industria. Finalmente, la evaluación de la calidad también ayudaría al minorista a aplicar mejores estrategias de marketing para satisfacer las necesidades de los distintos grupos de clientes.
El fondo adjudicado, estipula un plazo de dos años para el desarrollo del proyecto. ¿En qué etapa se encuentra actualmente? 
Estamos en la etapa de adjudicación, a la espera de la firma de los convenios para proceder a la ejecución del proyecto. Una vez firmados los convenios debemos comenzar con la adquisición del equipamiento necesario y empezar a desarrollar la metodología que nos permitirá cumplir con el objetivo principal de este tipo de proyectos que es obtener un prototipo funcional.
Algo más que quisiera agregar, que considere relevante señalar
En este caso me gustaría decir que este es el primer proyecto FONDEF Nacional de un académico de la Universidad de Atacama. Ha habido adjudicaciones de FONDEF, pero son de tipo regional. Además, es importante señalar que los FONDEF son uno de los tipos proyectos cada vez más difíciles de adjudicar de la Agencia Nacional de Investigación y Desarrollo (ANID). Esto debido a los importantes recursos económicos y el tiempo disponible para ejecutar el proyecto. 
Los FONDEF tienen un carácter de investigación aplicada y entregan una mayor cantidad de recursos que los FONDECYT que son de investigación teórica. Este año, se postularon 352 proyectos de los cuales solo 111 fueron adjudicados, es decir el 31,5% de adjudicación. 
El proyecto en general, tiene un costo total de $284.299.000, de los cuales $170.487.000 son aportes directos de la ANID.