project - EIP-AGRI Operational Group
USE OF NEW TECHNOLOGIES FOR THE CORRECT ESTIMATION OF CAPACITY IN CITRUS FRUITS
USO DE NUEVAS TECNOLOGÍAS PARA LA CORRECTA ESTIMACIÓN DEL AFORO EN CÍTRICOS
Objectives
To implement Agriculture 4.0 technologies and methods for the estimation of citrus fruit from the plot level to the supra-autonomous
Objectives
Implementar tecnologías y métodos de Agricultura 4.0 para la
estimación de aforos citrícolas desde el nivel de parcela hasta el
supraautonómico
Activities
Development of manual sampling technologies at plot level based on mobile photography. Implementation of automatic plot-level sampling technologies based on tractor-borne sensors. Implementation of automatic sampling technologies at plot level based on drone-borne sensors and development in the cloud of gauging estimation models at supra-plot level.
Activities
Puesta a punto tecnologías de muestreo manual a nivel de parcela
basadas en fotografía con dispositivos móviles. Implementación de tecnologías de muestreo automático a nivel de parcela basadas en sensores embarcados en tractores.Implementación de tecnologías de muestreo automático a nivel de parcela basada en sensores embarcados en drones y desarrollo en la nube de modelos de estimación de aforo a nivel de supra-parcela.
Project details
- Main funding source
- Rural development 2014-2020 for Operational Groups
- Rural Development Programme
- 2014ES06RDNP001 España - Programa Nacional de Desarrollo Rural
Location
- Main geographical location
- Valencia / València
- Other geographical location
- Murcia, Sevilla
EUR 489 345.00
Total budget
Total contributions from EAFRD, national co-financing, additional national financing and other financing.
Project keyword
13 Practice Abstracts
The RD5 dissemination activity in the GO CITRIAFORO project consisted of monitoring the dissemination activities. This monitoring has been carried out throughout the development of the project by selecting the target audience, carrying out a good internal communication between partners to properly develop the dissemination; the monitoring of the project website, the different publications both in partners’ magazines and in the press, the different social networks of the partners involved, generating the list of the posts made, etc. has been carried out.
The general formats of dissemination of this project have focused on virtual, face-to-face and through publications as discussed in previous PAs.
The dissemination plan foreseen for the project has been broad and exhaustive, being developed at multiple levels, both material and target audience. Once the GO - CITRIAFORO project is concluded, it will be extended beyond the final conclusions reached, especially with regard to the use, extension and improvement of the different tools developed.
The messages conveyed throughout the project and that we have always wanted to transmit have been to highlight the importance of new technologies and the correct estimation of citrus gauging in Spain. To give a vision of the problems that exist and to create opportunities and solutions proposed by the project that can help the citrus sector.
En la actividad de divulgación RD5 contemplada en el proyecto GO CITRIAFORO consistía en el seguimiento de las actividades de divulgación. Este seguimiento se ha realizado durante todo el desarrollo del proyecto seleccionando al público destinatario, llevando a cabo una buena comunicación interna entre los socios para desarrollar de manera correcta la divulgación; se ha realizado el seguimiento de la página web del proyecto, las diferentes publicaciones tanto en revistas del sector como en prensa, las diferentes redes sociales de los socios implicados generando el listado de los posts realizados, etc.
Los formatos generales de divulgación de este proyecto se han centrado de manera virtual, presencial y a través de publicaciones como ya se han comentado en PAs anteriores.
El plan de difusión previsto para el proyecto ha sido amplio y exhaustivo, desarrollándose en múltiples niveles, tanto materiales como de audiencia objetivo. Una vez concluido el proyecto GO – CITRIAFORO se extenderá más allá de sus conclusiones finales alcanzadas, especialmente en todo lo que respecta al uso, ampliación y mejora de las diferentes herramientas desarrolladas.
Los mensajes transmitidos a lo largo de todo el proyecto y que siempre se han querido transmitir ha sido poner de manifiesto la importancia de las nuevas tecnologías y la correcta estimación del aforo de cítricos en España. Dar una visión de la problemática que se tiene y crear oportunidades y soluciones propuestas por el proyecto que puedan ayudar al sector citrícola.
The RD4 dissemination activity in the GO CITRIAFORO project consisted of generating technical publications, as well as publications in the media. All publications were aimed at disseminating the opportunities arising from the positive results of the project among the sector's agents and promoting their implementation in the business reality of the sector. For this reason, technical publications have been developed in important magazines of the sector such as “Levante Agrícola” and “L'agraria”. In addition, through the media, such as the press, the project has also been disseminated. This dissemination has been done mainly through publications in the press, both by the members of the consortium themselves as well as in free newspapers in digital and written format.
The publication of "Levante Agrícola" can be found in issue 472 of the magazine entitled "Integration of agro-climatic data to improve the prediction of citrus growth curves" and in the case of L'agraria, the publication entitled "Automatic systems for the prediction of citrus harvest" will be published later, in July 2025, and can be found at the following link https://portalagrari.gva.es/es/formacio-i-transferencia/revista-agraria.
Other links to news published in the press can be found in newspapers such as “la opinión de Murcia”, ‘freshplaza’, “Murcia.com”, “Infoagro”, websites of partners such as FECOAM or CACV.
En la actividad de divulgación RD4 contemplada en el proyecto GO CITRIAFORO consistía en la generación de publicaciones técnicas, así como publicaciones en medios de comunicación. Que todas las publicaciones estuvieran dirigidas a difundir entre los agentes del sector las oportunidades que se desprenden de los resultados positivos del proyecto y promover su implementación en la realidad empresarial del sector. Por ello se han desarrollado publicaciones técnicas en revistas importantes del sector como son “Levante Agrícola” y “L’agraria”. Además, a través de medios de comunicación, por ejemplo, prensa, se ha podido hacer también eco del proyecto. Esta diseminación se ha realizado sobre todo de publicaciones en prensa tanto de los propios miembros del consorcio como de diarios libres en formato digital y escrito.
La publicación de “Levante Agrícola” puede encontrarse en el número 472 de la revista que lleva por título “Integración de datos agroclimáticos para mejorar la predicción de las curvas de crecimiento de los cítricos”
Y en el caso de L’agraria se publicará posteriormente, en julio de 2025, la publicación que lleva como título “Sistemas automáticos para la predicción de cosecha de cítricos" que podrá encontrarse en el siguiente enlace https://portalagrari.gva.es/es/formacio-i-transferencia/revista-agraria…;
Otros enlaces de noticias publicadas en prensa se pueden encontrar en diarios como “la opinión de Murcia”, “freshplaza”, “Murcia.com”, “Infoagro”, web de los socios como FECOAM o CACV.
The RD3 outreach activity in the GO CITRIAFORO project consisted of generating outreach and communication activities for the GO - CITRIAFORO in a virtual way. In the development of the project, the GO CITRIAFORO website (www.citriaforo.com) was created, divided into different sections where the main information about the project could be found in a clear way, subscription by interested people to receive the newsletter, news section to keep up to date about the project, etc. With the creation of the web page, the project generated a newsletter that subscribers received with information related to the project's dissemination activities that were being generated.
Within the framework of the GO - CITRIAFORO project, videos have also been developed to demonstrate the project, crop management and the new technologies applied. This has made it possible to give visibility to the project and to publish it on the web page.
Also, webinars have been carried out to disseminate the GO - CITRIAFORO showing the results achieved and generating videos that have served as information pills to be included in the web. All this dissemination and communication has allowed the project to be widely known in a virtual way, reaching a wide sector in different autonomous communities.
En la actividad de divulgación RD3 contemplada en el proyecto GO CITRIAFORO consistía en la generación de actividades de divulgación y comunicación del GO – CITRIAFORO de manera virtual. En el desarrollo del proyecto se creó la página web propia del GO CITRIAFORO (www.citriaforo.com) dividida en diferentes secciones donde pudiera encontrarse la información principal y de manera clara sobre el proyecto, suscripción por parte de gente interesada para recibir la newsletter, apartado de noticias para estar al día sobre el proyecto, etc. Con la creación de la página web, el proyecto generó una newsletter que recibían los suscriptores con información relativa a las actividades de divulgación del proyecto que se iban generando.
En el marco del proyecto GO – CITRIAFORO también se han generado vídeos demostrativos tanto del proyecto, como del manejo de los cultivos y de las nuevas tecnologías aplicadas. Ha permitido dar visibilidad al proyecto y poder publicarlo en la propia página web.
También se han llevado a cabo webinars de divulgación del GO – CITRIAFORO mostrando los resultados alcanzados y generando vídeos que han podido servir de píldoras informativas para incluir en la web. Toda esta divulgación y comunicación realizada ha permitido que el proyecto sea ampliamente conocido de manera virtual llegando a un amplio sector en diferentes comunidades autónomas.
The RD2 dissemination activity in the GO CITRIAFORO project consisted of the participation of GO - CITRIAFORO in events such as scientific congresses, business fairs, training forums, conferences, etc. in the fruit sector.
Within this action, 3 types of events were shown, including dissemination days, farming days and attendance at business fairs. All these activities have been more than fulfilled, reaching the 3 regions proposed (Valencia, Murcia and Andalucia), making the innovative project known through different presentations throughout its life cycle. One of the initiatives has been the farming days, highlighting the one carried out by FECOAM and where the rest of the members of the consortium participated in “El limonar de Santomera” where a practical work meeting was held in the cooperative's farm and all the technologies that were being generated from the innovative project could be shown.
In many of these events where the project has participated, specific dissemination material generated by the project has been distributed. This material has included from folding bags, notebooks with pens, to aluminium bottles screen-printed with the project logo, as well as with the current regulations to be followed by the call.
We have attended important business fairs in the sector such as Fruit Logistica or Fruit Attraction, where the project has been made known to attendees. Conferences such as DEMOCITRUS, VEGA INNOVA, EXPO-AGRITECH, the project even became a finalist in the CITRUS INNOVATION AWARDS of the CITRUS-FORUM 2024 event, the largest citrus event in Europe and where you have the opportunity to keep abreast of the latest trends, challenges and solutions in the world of citrus.
En la actividad de divulgación RD2 contemplada en el proyecto GO CITRIAFORO consistía en la participacion del GO – CITRIAFORO en eventos tales como congresos científicos, ferias empresariales, foros formativos, jornadas, etc. del sector frutícola.
Dentro de esta actuación se mostraban 3 tipos de eventos donde se incluían jornadas de divulgación, farming days y asistencia a ferias. Todas estas actividades se han cumplido con creces llegando a las 3 comunidades autónomas propuestas (Comunidad Valenciana, Murcia y Andalucía), dando a conocer el proyecto innovador mediante diferentes presentaciones a lo largo de su ciclo de vida. Una de las iniciativas han sido los farming days, destacando el realizado por FECOAM y donde participaron el resto de miembros del consorcio en “El limonar de Santomera” donde se llevó a cabo un encuentro de trabajo práctico en la explotación de la cooperativa y pudieron mostrarse todas las tecnologías que estaban siendo generadas desde el proyecto innovador.
En muchos de estos eventos donde se ha participado, se ha repartido material de divulgación específico generado desde el proyecto. E
Se ha asistido a ferias importantes del sector como Fruit logística o Fruit attraction donde dar a conocer el proyecto de manera más cercana a los asistentes. Jornadas como DEMOCITRUS, VEGA INNOVA, EXPO-AGRITECH, incluso el proyecto llegó a ser finalista en los premios CITRUS INNOVATION AWARDS, del evento CITRUS-FORUM 2024, el mayor evento de cítricos de toda Europa y donde se tiene la oportunidad de estar al día con las últimas tendencias, retos y soluciones en el mundo de los cítricos.
The RD1 dissemination activity included in the GO CITRIAFORO project consisted of designing a communication plan to serve as effective and efficient internal communication. Different actions were included in this task. These actions have made it possible to generate a corporate image for GO CITRIAFORO with the development of a specific and unique logo for the project. A roll-up prototype was also developed to be used in the different subsequent events where the project has been presented and thus be able to identify itself and have its own particular seal. In addition, with the drafting of the database, a list of professionals in the sector was created, where they could be informed about the newsletters and kept up to date with the progress of the project. With this list, we have managed to reach 500 people interested in the project.
En la actividad de divulgación RD1 contemplada en el proyecto GO CITRIAFORO consistía en el diseño de un plan de comunicación que sirviera como comunicación interna eficaz y eficiente. Dentro de esta tarea se incluyeron diferentes actuaciones. Estas actuaciones han permitido generar una imagen corporativa del GO CITRIAFORO con el desarrollo de un logotipo específico y único para el proyecto. También se desarrolló un prototipo de roll – up para poder utilizarlo en los diferentes eventos posteriores donde se ha presentado el proyecto y así poder identificarse y tener su sello particular. Además, con la redacción de la base de datos se ha conseguido una lista de contactos de profesionales del sector donde se ha podido informar sobre las newsletters y estar al día con los avances del proyecto. Con esta lista, se ha conseguido llegar a 500 interesados en el proyecto.
The Result 2 of Objective R4 enabled the integration of multiple data sources from other activities under a single visualization platform, enhancing the user experience in the pursuit of efficiency in agricultural planning.
Key Results:
- Creation of a cloud-based digital platform that integrates data from various sources resulting from other project activities (satellite, terrestrial, and aerial).
Added Value for Farmers:
- This result provides farmers with an accessible tool that optimizes their experience by reducing the number of applications and data accesses, improving market competitiveness, and encouraging technological adoption in the citrus sector. It promotes generational renewal and facilitates the inclusion of young people and women.
Practical Applications for Farmers:
- Centralization of harvest forecasting at different levels of data acquisition, making organization and query strategies easier.
El Resultado 2 del Objetivo R4 permitió la integración de múltiples fuentes de datos de otras actividades bajo una única plataforma de visualización mejorando la experiencia del usuario en la búsqueda de la eficiencia en la planificación agrícola.
Resultados clave:
• Creación de una plataforma digital en la nube que integre datos de diversas fuentes resultado de otras actividades del proyecto (satelitales, terrestres y aéreas).
Valor añadido para los agricultores:
Este resultado proporciona a los agricultores una herramienta accesible que optimiza la experiencia del agricultor al reducir el número de aplicaciones y accesos a los datos mejorando la competitividad en el mercado y fomenta la adopción tecnológica en el sector citrícola, promoviendo un relevo generacional y facilitando la inclusión de jóvenes y mujeres.
Aplicaciones prácticas para los agricultores:
• Centralización de la previsión de cosecha a distintos niveles de obtención de datos, facilitando la organización y la estrategia de consulta.
A demonstrative platform has been developed for simulating citrus yield prediction at the supra-orchard scale, integrated into the project platform and built as an interactive app in Google Earth Engine (https://molto-enr.users.earthengine.app/view/citriaforo). It showcases how large-scale planning and decision-making can be supported through accessible, visual yield estimates.
The platform uses over 3,000 anonymized orchards with scaled data. It predicts total production based on individual orchard area, agroclimatic variables (radiation, evaporation, air and soil temperature, and precipitation), and Sentinel-2 spectral indices: NDRE (related to vegetation vigor), NDMI (related to water content), and PSRI (related to senescence). The tool can be tested on three varieties. Prediction error for total yield is also calculated.
Simulations are trained on reduced data samples (15% if there are more than 700 orchards, 25% otherwise). 90% of simulations showed total yield errors under 10%.
The tool’s adaptable design meets the needs of agricultural companies and organizations, supporting field planning and yield forecasting. Its open-access implementation further encourages knowledge sharing and collaboration among stakeholders.
Se ha desarrollado una plataforma demostrativa para simular la predicción del rendimiento de cítricos a escala supraparcelaria, integrada en la plataforma del proyecto y también como una aplicación interactiva en Google Earth Engine (https://molto-enr.users.earthengine.app/view/citriaforo). La app demuestra cómo la planificación y toma de decisiones a gran escala pueden apoyarse en estimaciones de rendimiento accesibles y visuales.
La plataforma utiliza más de 3.000 parcelas anonimizadas con datos escalados. Predice la producción total a partir del área individual de cada parcela, variables agroclimáticas (radiación, evaporación, temperatura del aire y del suelo, y precipitación), y tres índices espectrales de Sentinel-2: NDRE (relacionado con el vigor de la vegetación), NDMI (relacionado con el contenido de agua) y PSRI (relacionado con la senescencia). Se puede probarse con tres variedades. También calcula el error de predicción de la producción total.
Las simulaciones se entrenan con muestras reducidas de datos (15% cuando hay más de 700 parcelas, 25% en caso contrario). El 90% de las simulaciones presentó errores en la estimación del rendimiento total inferiores al 10%.
El diseño se adapta a las necesidades concretas de empresas y organizaciones agrarias para facilitar la planificación de campo y la estimación de cosecha. Su implementación en una plataforma de acceso abierto fomenta el intercambio de conocimiento y la colaboración entre los agentes del sector.
The activities of Objective 2 under Result R3 enables a user-friendly web interface which integrates the optimized point samples that results on the Objective 1. Furthermore, allows an efficient management and analysis of agricultural data to support decision-making and optimize crop management.
Key Results:
• Georeferenced Maps with the optimized point samples on farms
• Data Integration that includes zonal soil maps, drone and satellite vegetation indices and weather forecasts.
Benefits or Added Values for Farmers:
• Precision Agriculture: Enables targeted interventions using vegetation indices for crop behavior and moisture indices monitoring.
• Reduces costs by focusing on critical growth stages and optimizing inputs like water and fertilizers.
• Enhanced Productivity: Facilitates the identification of optimal sampling points and homogeneous zones for improved yield prediction.
Practical Applications:
• Real-time monitoring of crop health and variability through interactive maps.
• Planning crop management based on data trends.
• Navigation tools guide users to sampling points or problem areas using GPS integration.
• Comparison tools allow side-by-side analysis of vegetation indices across dates or treatments.
This platform fosters sustainability, precision farming, and profitability by empowering farmers with actionable insights tailored to their specific needs.
Las actividades del Objetivo 2 del Resultado R3 han desarrollado una plataforma web intuitiva que integra los puntos de muestreo óptimos generados en el Objetivo 1, permitiendo gestionar y analizar datos agrícolas de manera eficiente, apoyando la toma de decisiones y optimizando la gestión del cultivo.
Resultados clave:
• Mapas georreferenciados con puntos de muestreo óptimos y datos de variabilidad del cultivo.
• Integración de datos, mapas zonales de suelo, índices de vegetación (drones y satélites) y predicciones meteorológicas.
Beneficios o valores añadidos para los agricultores:
• Agricultura de precisión: Facilita intervenciones específicas basadas en índices de vegetación y humedad.
• Reducción de costos: Optimiza recursos como agua y fertilizantes, enfocándose en etapas críticas del cultivo.
• Mayor productividad: Mejora la identificación de puntos óptimos y zonas homogéneas para predecir rendimientos.
Aplicaciones prácticas:
• Monitoreo en tiempo real de la salud del cultivo mediante mapas interactivos.
• Planificación eficiente del manejo del cultivo basada en tendencias de datos.
• Herramientas de navegación GPS para guiar a los usuarios hacia puntos críticos o problemáticos.
• Comparación visual entre índices de vegetación, fechas o tratamientos mediante pantalla dividida.
Esta plataforma fomenta la sostenibilidad, la agricultura inteligente y la rentabilidad, proporcionando a los agricultores información práctica adaptada a sus necesidades específicas.
The activities of Objective 1 under Result R3 developed a methodology that uses multispectral drone imagery and vegetation index analysis to identify optimal sampling points. This enables farmers to measure fruit yield (number and weight), evaluate production before harvest, and improve forecasting calculations and associated logistics.
Key Results:
• Optimal sampling points enhanced by soil variability studies and historical vegetative development analysis.
• High-resolution georeferenced maps for decision-making based on homogeneous zones within the plot.
• Critical periods for drone flights during campaign identified, reducing costs by focusing on key growth stages.
Added value / Benefits:
• Cost efficiency: Fewer drone flights and the possibility for farmers to conduct them independently.
• Forecasting accuracy: Improved precision in yield predictions by strategically measuring fruits.
• Precision agriculture: Optimized water and fertilizer use through homogeneous zone mapping and guided navigation.
• Higher productivity: Correlation between NDVI data, soil variability parameters, and historical yields to enhance crop performance.
Practical Applications:
• Real-time monitoring of crop health and variability.
• Efficient planning of irrigation and nutritional management using NDVI data.
• Optimized field operations with georeferenced maps.
This tool promotes sustainability, precision agriculture, and profitability, directly benefiting farmers.
Las actividades del Objetivo 1 del Resultado R3 desarrollaron una metodología que utiliza análisis de imágenes multiespectrales de drones para identificar puntos óptimos de muestreo. Esto permite al agricultor realizar medidas de aforamiento de frutos para evaluar la producción antes de la cosecha y mejorar los cálculos de previsión y logística asociada.
Resultados clave:
• Puntos óptimos de aforamiento mejorados con estudios de variabilidad del suelo y desarrollo vegetativo histórico.
• Mapas georreferenciados de alta resolución para tomar decisiones según zonas homogéneas dentro de la parcela.
• Períodos críticos para vuelos durante campaña identificados, reduciendo costos al centrarse en etapas clave del crecimiento.
Valor añadido / Beneficios:
• Eficiencia en costos: Menos vuelos de drones y posibilidad de que el agricultor los realice.
• Precisión en previsiones: Mayor exactitud al medir frutos en puntos estratégicos.
• Agricultura de precisión: Optimización del uso de agua y fertilizantes mediante mapas homogéneos y navegación guiada.
• Mayor productividad: Correlación entre datos NDVI, parámetros edáficos y rendimientos históricos para mejorar la producción.
Uso práctico:
• Monitoreo en tiempo real de la salud del cultivo.
• Planificación eficiente de riego y manejo nutricional según datos NDVI.
• Operaciones optimizadas en campo mediante mapas georreferenciados.
Esta herramienta impulsa la sostenibilidad, la agricultura de precisión y la rentabilidad, beneficiando directamente a los agricultores.
A pre-industrial field image acquisition device has been developed, designed to be mounted on a tractor. It operates autonomously while the driver performs regular agricultural tasks.
Various image capture and analysis systems were evaluated to identify the optimal solution. Using 3D design tools, the necessary structural components were fabricated in plastic for device assembly.
The system consists of two cameras positioned to inspect both sides of the crop row, a real-time processing unit capable of fruit counting, and a touchscreen display with a simple user interface. Power is supplied directly from the vehicle’s battery.
Testing confirmed that the most effective algorithms are based on YOLO (You Only Look Once), particularly in its latest versions (v11). For the development of real-time decision models, over 50,000 images of citrus fruits were captured and labeled, spanning multiple varieties and lighting conditions, contributing to high model robustness.
The device was field-tested in commercial orchards, yielding preliminary results with 80-85% accuracy relative to the total visible fruit, which corresponds to 60-70% of the actual total count. These results demonstrate the system’s potential as a reliable support tool for yield forecasting under real-world conditions.
Se ha desarrollado un dispositivo preindustrial para la adquisición de imágenes de campo que puede ser embarcado en un tractor. Funciona de forma autónoma mientras el conductor realiza sus labores propias.
Se han probado diferentes dispositivos de captura y análisis de imágenes hasta encontrar la solución óptima. Mediante herramientas 3D se han construido en plástico las piezas necesarias para el montaje del dispositivo.
El dispositivo consta de dos cámaras que inspeccionan ambos lados del cultivo, un sistema de procesamiento en tiempo real que cuenta los frutos, así como una pantalla táctil con un sencillo interfaz de usuario. Se conecta a la batería del vehículo.
Los ensayos han demostrado que los algoritmos más adecuados son los basados en YOLO (You Only Look Once) y en sus últimas versiones (v11). Para la creación de los modelos de decisión en tiempo real, se han adquirido y etiquetado más de 50000 imágenes de cítricos de diferentes variedades y en diferentes condiciones de iluminación, lo que ha proporcionado una gran robustez a los modelos.
El dispositivo se ha ensayado en parcelas comerciales, con resultados preliminares del 80-85% de acierto respecto al total de la fruta visible, lo que corresponde a un 60-70% del total real. Con ello se demuestra su potencial como herramienta de apoyo para la predicción del aforo en condiciones reales.
Result 3 of Specific Objective 1 has been achieved through the definition and implementation of a protocol specifically designed for data and information collection, with the aim of feeding the yield forecasting system. This ensures that, both now and in the future, the system can self-improve, increasing its accuracy in delivering yield forecast results.
The protocol takes into account various parameters such as:
- Crop and variety
- Location
- Time of year
- Growth evolution curves
- Historical production data
- Equivalence tables between calibers and weights
- Fruit count
- Correction indices
- Plot surface area
- Number of trees in the plot
All this data is collected and stored in a database specifically designed to exploit this information on a large scale and use it to improve the system and increase precision by reducing the margin of error in the results.
The protocol is implemented both on mobile devices, through the installable app, and on the server, where the algorithms and data models that perform the counting and calculations are hosted, requiring high processing capacity.
The protocol enables secure and fast transmission of information between users' mobile devices and the servers. Additionally, scalability was considered during the development of the protocol, allowing for the integration of other technologies in the future.
El resultado 3 del objetivo específico 1 se ha conseguido con la definición e implementación de un protocolo diseñado específicamente para la recogida de datos e información con el objetivo de alimentar al sistema de previsión de aforo, de manera que, actualmente y a futuro, el sistema sea capaz de retroalimentarse para ir ganando en precisión a la hora de devolver los resultados de previsión de aforo.
El protocolo tiene en cuenta diversos parámetros como:
- Cultivo y variedad
- Ubicación
- Época del año
- Curvas de evolución de crecimiento
- Históricos de producción
- Tablas de equivalencia entre calibres y pesos
- Conteo de frutas
- Índices de corrección
- Superficie de la parcela
- Número de árboles de la parcela
Todos estos datos se recogen y se almacenan en una base de datos diseñada específicamente para poder explotar toda esta información de forma masiva y utilizarla para mejorar el sistema y aumentar la precisión reduciendo el margen de error de los resultados.
El protocolo está implementado tanto en los dispositivos móviles, por medio de la app instalable, como en el servidor, donde se encuentran los algoritmos y modelos de datos que realizan los conteos y cálculos con grandes necesidades de capacidad de procesamiento.
El protocolo permite que la información viaje entre los móviles de los usuarios de la app y los servidores de forma segura y rápida. Así mismo, se ha tenido en cuenta, a la hora de desarrollar dicho protocolo, la posibilidad de escalar el sistema para que puedan incorporarse otras tecnologías en un futuro.
This result has been achieved through the implementation of a series of algorithms for estimating the yield of a field and the design of a platform for monitoring and managing the data and results of the implemented system.
The developed algorithms take into account various parameters to determine as accurately as possible the expected yield or production in kilograms of the field, 90 days prior to fruit harvest. This process is particularly challenging because, at that time, the fruit is still in an immature green state, making the identification and counting of the pieces on the tree even more difficult.
In addition to counting the number of fruits on the tree—specifically within a selected quadrant—it is necessary to determine the average size or caliber of the fruits. From this size, the unit weight of each fruit can be estimated and then extrapolated, using growth evolution curves, to the expected weight at the time just before harvest.
Finally, the obtained weight—based on the number of pieces, their size, and weight—is projected to the total number of trees in the field being assessed. With all this, we will obtain a result in the form of kilograms or total tons of fruit production that the field will yield
Este resultado se ha conseguido con la implementación de una serie de algoritmos para el cálculo del aforo de una parcela y con el diseño de una plataforma para el control y administración de los datos y resultados del sistema implementado.
Los algoritmos desarrollados tienen en cuenta diversos parámetros para determinar de la forma más precisa posible el aforo o producción en kilogramos que habrá en dicha parcela en el momento previo a la recolección de la fruta y realizándose con una antelación de 90 días, con la dificultad añadida de que en dicho momento la fruta se encuentra en un estado de madurez con coloración verde lo que complica aún más la identificación y conteo de las piezas en árbol.
A parte de contabilizar el número de piezas que hay en el árbol, concretamente en un cuadrante del árbol, hay que determinar el calibre o tamaño medio de las piezas para, a partir de ese tamaño, obtener el peso unitario de cada pieza y extrapolar este peso, por medio de las curvas de evolución de crecimiento, al momento previo a la recolección de la fruta.
Y por último, proyectar ese peso obtenido a partir del número de piezas, el tamaño y peso de las mismas, al número total de árboles y superficie que tenga la parcela que se está aforando. Con todo esto obtendremos un resultado en forma de kilogramos o toneladas totales de producción de fruta que tendrá la parcela.
A native mobile application has been developed for both Android and iOS (Apple) devices to enable the counting of fruits on a tree using images taken directly from the mobile device.
Various technologies and programming languages were used in the development of this app, with careful attention given to the user interface design to ensure it is user-friendly, as well as to usability so that the app is very simple and intuitive for the user.
The app is mainly composed of two parts. The first part includes a user guide with images and examples showing how the photos should be taken to achieve the highest possible quality, since the final result of the app largely depends on the quality of these images and on following a series of instructions, such as: positioning at an optimal distance, avoiding taking photos facing the sun, setting the camera to the highest possible resolution, etc.
The second part of the app involves the submission and processing of the images to perform the fruit count and return the result, which includes a correction index applied by the algorithm. This algorithm considers various factors such as the fruit variety, image history, and more.
Finally, parameters such as fruit size, growth or development curve, and the number of trees or the area of the plot to be measured are also taken into account.
Se ha desarrollado una aplicación móvil nativa, tanto para dispositivos Android como iOS (Apple) para poder realizar el conteo de frutas en un árbol a partir de las imágenes tomadas desde el mismo dispositivo móvil.
Para el desarrollo de esta App se han utilizado diferentes tecnologías y lenguajes de desarrollo y se ha puesto mucho cuidado en el diseño de la interface de usuario para que sea muy amigable, y en cuanto a la usabilidad para que sea muy sencilla e intuitiva para el usuario.
Se compone de dos partes principalmente, una primera parte con una guía de usuario con imágenes y ejemplos de cómo se deben tomar las fotografías para que tengan la mayor calidad posible, ya que, el resultado final de la app depende, en gran medida, de la calidad que tengan dichas imágenes y que se sigan una serie de indicaciones como pueden ser: situarse a una distancia óptima, no ponerse frente al sol, configurar la cámara con la máxima resolución posible, etc.
Y la otra parte que compone la app es la del envío y procesamiento de las imágenes para realizar el conteo y devolver el resultado de dicho conteo al que se le añade el índice de corrección del algoritmo que devuelve el resultado y que tiene en cuenta diferentes factores como variedad, histórico de imágenes, etc.
Por último, se tienen en cuenta parámetros como el calibre de la fruta, la curva de evolución o crecimiento y la cantidad de árboles o superficie de la parcela que se quiere medir.
Contacts
Project coordinator
-
Instituto Valenciano de Investigaciones Agrarias (IVIA)
Project coordinator
Project partners
-
Anecoop S. Coop
Project partner
-
Federacion de cooperativas agrarias de Murcia
Project partner
-
Federación Cooperatives Agro-Alimentàries de la Comunitat
Project partner
-
Greenfield Technologies S.L.
Project partner
-
LOCATEC APLICACIONES INFORMATICAS SL
Project partner
-
Productores del Campo S.COOP.AND (ALCAFRUIT)
Project partner