Un equipo investigador del Centro de Investigación en Agrigenómica (CRAG) ha desarrollado un método informático automatizado y rentable para evaluar la forma y el color de la fruta que contribuirá a aumentar la eficiencia agrícola. El estudio, publicado en la revista científica Plant Phenomics, se ha realizado utilizando imágenes de fresa, aunque su algoritmo de aprendizaje automático se puede aplicar fácilmente a otros frutos como manzanas, tomates y cítricos. El software ideado también puede predecir virtualmente la forma y apariencia de la fruta, proporcionando una poderosa herramienta de simulación para diseñar nuevos cruces. El equipo investigador ha dado acceso abierto al código para que la comunidad lo adapte a sus necesidades.
En un contexto de crecimiento exponencial de la población mundial y de incremento de las áreas de sequía a causa del cambio climático, es imprescindible optimizar la producción de alimentos de forma significativa. Durante las últimas décadas, el aumento de la eficiencia de los sistemas frutícolas –uno de los principales objetivos del Año Internacional de las Frutas y Verduras (AIFV) designado por la Asamblea General de la ONU– se ha logrado gracias a los programas de mejora vegetal que se han beneficiado del desarrollo de tecnologías genómicas. Sin embargo, la mejora vegetal involucra tanto la genómica como la fenómica –la expresión de un genoma en distintos ambientes que da lugar a rasgos medibles diferenciados–, y la automatización de las mediciones fenómicas es uno de los mayores desafíos y oportunidades para incrementar el ritmo de la selección artificial y lograr la agricultura de precisión.
Dado que la apariencia de la fruta influye críticamente en la aceptación de los consumidores, con diferentes preferencias entre comunidades y alrededor del mundo, los rasgos morfológicos como la forma, el tamaño y el color son muy relevantes en los programas de mejora vegetal. La caracterización manual de tales rasgos es costosa e inexacta, pero hoy en día se pueden tomar cientos de fotografías de frutas cultivadas en diferentes condiciones ambientales, incluso en el campo, para recolectar información fenómica objetiva. Por lo tanto, el desarrollo de herramientas analíticas nuevas y mejoradas capaces de transformar automáticamente esta gran cantidad de datos en información valiosa es clave para promover la evaluación de la apariencia de la fruta.
Implementando algoritmos de aprendizaje profundo
En este estudio, el equipo investigador tomó fotografías externas y de medio corte de unas 2000 fresas de diferentes líneas de mejora proporcionadas por la empresa Planasa, recolectadas en la campaña 2018 en Huelva (España), la principal zona productora de fresa en Europa. “Evaluar la forma de un objeto dado, una fresa en este caso, a partir de una fotografía no es tan sencillo como pueda parecer. Los descriptores lineales clásicos –área, perímetro, altura, anchura…– tienen ciertas limitaciones que llevan a la pérdida de información relevante al simplificar extremadamente las características morfológicas. Para evaluar la forma de modo más detallado, complementamos estos métodos lineales con técnicas multivariadas y de aprendizaje profundo”, explica la primera autora del artículo, Laura M. Zingaretti, que realizó este trabajo como parte de su tesis doctoral en el CRAG.
Por primera vez, este trabajo aplica técnicas de aprendizaje profundo, una clase de algoritmos de aprendizaje automático, para evaluar la forma de la fruta. Combinando estos métodos con mediciones lineales y multivariantes, el equipo investigador ha sido capaz de generar un software automatizado que analiza patrones de forma y color extraídos de imágenes de fresa. La herramienta desarrollada está bastante más automatizada que sus predecesoras, ya que requiere una mínima intervención del usuario y un tiempo de computación limitado, lo que proporciona una forma económica y rápida para la evaluación fenómica.
Una herramienta para mejorar la eficiencia agrícola
“Además del análisis morfológico, nuestra herramienta de aprendizaje profundo presenta una novedosa idea para simular virtualmente nuevas formas de frutos, ya que es capaz de predecir la apariencia de los frutos de nuevos cruces. Este aporte puede ser muy valioso en el primer paso de los programas de mejora vegetal, ya que permitiría evaluar varios cruces sin necesidad de probarlos directamente en campo, ahorrando tiempo y recursos”, señala Miguel Pérez-Enciso, investigador ICREA en el CRAG y codirector de la tesis.
El método desarrollado demuestra que la forma y el color de la fruta se pueden evaluar rápida y automáticamente y que son bastante heredables, lo que permitirá a las personas dedicadas a la mejora vegetal tomar decisiones rápidamente para modificar la apariencia de los productos agrícolas. “Este estudio tiene un impacto directo en el sector agrícola, ya que los algoritmos están diseñados para obtener parámetros morfológicos de forma eficiente y económica. Además, esta herramienta tiene el potencial de ser adaptada para medir los rasgos fenómicos visuales de los frutos directamente en el campo, para analizar otras características de conformación de las plantas (hojas, flores, raíces…), o para la evaluación temprana de enfermedades”, agrega Amparo Monfort, investigadora del IRTA en CRAG y codirectora del trabajo.
Sobre la financiación del estudio
Este estudio ha sido posible gracias al apoyo económico del Programa CERCA de la Generalitat de Catalunya y del Ministerio de Ciencia, Innovación y Universidades a través del programa “Proyectos I+D+i – Retos Investigación” (RTI2018-100795-B-I00), del programa “Severo Ochoa para Centros de Excelencia en I+D” 2016-2019 (SEV‐2015‐0533) y 2020-2023 (CEX2019-000902-S), y de las becas concedidas a Laura M. Zingaretti y a Miguel Pérez-Enciso (AGL2016-78709-R y PID2019-108829RB-I00).
Sobre el CRAG
El Centro de Investigación en Agrigenómica (CRAG) es un centro que forma parte del sistema CERCA de la Generalidad de Cataluña, y que se estableció como consorcio de cuatro instituciones: el Consejo Superior de Investigaciones Científicas (CSIC), el Instituto de Investigación y Tecnología Agroalimentarias (IRTA), la Universidad Autónoma de Barcelona (UAB) y la Universidad de Barcelona (UB). La investigación del CRAG se extiende desde la investigación básica en biología molecular de plantas y animales de granja, a las aplicaciones de técnicas moleculares para la cría de especies importantes para la agricultura y la producción de alimentos en estrecha colaboración con la industria. Desde el 2016, el CRAG ha sido reconocido como «Centro de Excelencia Severo Ochoa en I+D» por el Ministerio de Economía y Competitividad.
Sobre el IRTA
El IRTA es un instituto de investigación dedicado a la I+D+i agroalimentaria en los ámbitos de producción vegetal, producción animal, industrias alimentarias, medio ambiente y cambio global, y economía agroalimentaria. La transferencia de sus avances científicos contribuye a la modernización, competitividad y desarrollo sostenible de los sectores agrario, alimentario y acuícola, a la provisión de alimentos sanos y de calidad para los consumidores y a la mejora del bienestar de la población. El IRTA está adscrito al Departamento de Acción Climática, Alimentación y Agenda Rural de la Generalitat de Catalunya, y forma parte del sistema CERCA.