La IA impulsa avances en la clasificación y calibrado automatizado de patatas

Este artículo apareció originalmente en un número de la revista Spudman. Haga clic aquí para ver el artículo en el sitio web de la publicación.

Por Melinda Waldrop, redactora jefe, revista Spudman

Wada Farms, con sede en Idaho, cultiva más de 12.000 hectáreas de patatas y otros productos agrícolas, gestiona un almacén de empaquetado de 13.000 metros cuadrados y obtuvo unos ingresos de 37,5 millones de dólares en 2025. Como uno de los mayores productores y distribuidores de patatas y cebollas frescas del país, la empresa ha sido testigo directo de los avances que ha hecho posibles la innovación impulsada por la inteligencia artificial.

La empresa, de propiedad familiar desde 1943, también ha sido testigo del poder de un golpe de suerte.

Wada Farms, uno de los primeros en adoptar los sistemas de detección y clasificación automatizada SiftAI de KPM Analytics para patatas, ha mejorado la precisión y la eficiencia, reduciendo la mano de obra hasta en un 80% desde que se asoció con la empresa tecnológica con sede en Massachusetts, afirma Kip Yeates, vicepresidente de operaciones de productos frescos de Wada Farms. Pero puede que ninguno de esos logros se hubiera producido sin un encuentro fortuito hace casi una década.

«Estábamos en blanco en lo que respecta a la IA», declaró Yeates a Spudman. «Alguien conducía un camión y transportaba patatas fuera de nuestras instalaciones y pensó que a su cuñado podría interesarle intentar ayudarnos».

Aquel cuñado estaba vinculado a Smart Vision Works, expertos en sistemas de visión artificial basados en IA, que fue adquirida por KPM en 2023.

Fundada por doctores expertos en programación pero no tan arraigados en la agricultura, Smart Vision Works «buscaba buenos lugares en el sector alimentario para aplicar esa tecnología que conocíamos muy bien», señaló Curtis Koelling, vicepresidente de producto de KPM.

La colaboración resultante entre la empresa tecnológica y el productor de patatas dio lugar a una asociación exitosa y a una nueva y prometedora dirección para el sector de los sistemas de visión.

El problema de las patatas

Históricamente, los sistemas de visión no habían logrado introducirse en la clasificación y el calibrado de patatas por una razón sencilla: las patatas marrones, como las russet, que son una de las cuatro variedades principales cultivadas por Wada, complicaban el panorama para la tecnología de diferenciación por color que utilizaban ampliamente dichos sistemas.

«Las patatas russet son marrones», afirmó Jeremy West, representante nacional de ventas de KPM para inspección por visión de patatas. «Sus defectos son, en su mayor parte, marrones. Por eso es realmente difícil utilizar la diferenciación por color para distinguirlos».

Koelling añadió: «Mucha gente ha salido escaldada por una tecnología de visión que promete demasiado y ofrece poco. Eso les deja un mal sabor de boca».

Yeates, por su parte, no se convenció de inmediato con la idea.

«Necesité muchos argumentos para convencerme», dijo. «Estaba bastante seguro de que sería el reto más difícil que habían afrontado hasta ese momento con sistemas de visión. En el caso de las russet, ser capaz de identificar qué es simplemente una inconsistencia en la piel o en el color de la patata frente a lo que es un defecto real sería extremadamente difícil».

Yeates cambió de opinión al ver un vídeo en el que la tecnología de Smart Vision Works identificaba y retiraba una astilla de madera de una loncha de beicon.

«Apenas pude identificar la madera a simple vista. Tuvieron que segmentarla de la imagen para que pudiera ver dónde estaba», dijo Yeates. «Así fue como me convencieron... Ha pasado ya tiempo. Esto lleva gestándose ocho o nueve años. Avanzamos hasta el punto de poder calibrar mejor que cualquier cosa que hubiéramos visto antes, con una diferencia considerable».

Wada empezó poco a poco, utilizando un sistema de cámaras adaptado para calibrar patatas «sin ningún componente de clasificación, de modo que pudieran observarlas y obtener las dimensiones correctas con el sistema de visión —obtener la longitud, la anchura y la altura— y luego contrastarlas con el factor de densidad para determinar el volumen de la patata», explicó Yeates. «Después, empezamos el proceso de clasificación, eliminando defectos, y creamos un modelo que nos permitiera clasificar las patatas según las normas del USDA y descartar las patatas rotas, verdes o magulladas».

Dentro de las normas del USDA, «se puede tener una cierta cantidad de superficie que cubra el defecto», señaló West. «Que yo sepa, no hay ningún otro sistema que mida realmente el tamaño del defecto y te dé el porcentaje de superficie como hacemos nosotros. Eso se correlaciona directamente con la norma del USDA y con los estándares establecidos por el cliente».

Tecnología en funcionamiento

Los sistemas de clasificación, calibrado y selección de SiftAI utilizan algoritmos avanzados de visión e IA para medir con precisión las patatas, detectar defectos y garantizar un tamaño uniforme.

El sistema incluye:

• Mesa inteligente para clasificación y detección de materiales extraños
• Sistema multicarril de selección, calibrado y clasificación de patatas
• Sistema de detección de materiales extraños para la producción alimentaria (utilizado principalmente en el procesamiento y la elaboración de patatas fritas)
• Clasificador robótico

Inicialmente, los sistemas de Smart Vision Works no incluían equipos, comentó Koelling.

«Simplemente nos integrábamos en la maquinaria existente y proporcionábamos el cerebro y los ojos», dijo. «Desde que fuimos adquiridos por KPM Analytics, hemos seguido expandiéndonos en el mercado de la patata y ofreciendo soluciones adicionales mediante la plataforma SiftAI... Hemos ido más allá del color. Ya no se trata solo de un umbral en el que, si el color cambia más allá de cierto punto, el producto es defectuoso».

«La triste realidad es que, incluso dentro del mismo lote, el color de la piel de una patata puede variar. Puede haber peladuras, algo que al cliente quizá no le importe. Nuestro modelo de IA ha sido entrenado con millones de patatas hasta la fecha: diferentes variedades de distintas temporadas, campos y ubicaciones. Ahora es muy experto en identificar defectos que van más allá de un simple "el color no es el adecuado"».

Dependiendo del tamaño de la operación y del equipo utilizado, los procesadores y envasadores de patatas pueden obtener un retorno de la inversión en un plazo de entre 10 meses y tres años, afirmó West.

Yeates señaló que Wada Farms redujo sus necesidades de mano de obra entre un 75% y un 80% al tiempo que mejoraba la precisión de la clasificación.

«El trabajo que hacemos es duro y simplemente no vemos a gente que quiera realizar este tipo de tareas», afirmó. «La mente de la IA no se distrae. Se mantiene centrada y en el objetivo. Hará lo que se le ordene. Básicamente, un robot puede conseguir los ciclos de producción equivalentes a los de dos personas... Es mucho mejor de lo que los humanos podrían hacer jamás».

El camino hacia la automatización

Además del sector de las frutas y verduras, KPM, con más de 100 clientes en más de 100 países, también trabaja con sectores como el de las bebidas, los aperitivos, los cereales y los granos, según su sitio web.

Su presencia en el sector de la patata impulsa su crecimiento, así como las actualizaciones tecnológicas de sus competidores, señaló West.

«Más del 70% de la clasificación por líneas en Idaho para patatas utiliza ahora nuestros cabezales de visión SiftAI», afirmó. «La competencia impulsa la innovación, y esta ha sido muy beneficiosa para los productores y los almacenes».

West destacó que KPM trabaja para establecer una colaboración con los productores, utilizando sus comentarios para mejorar los productos y permitiendo a los clientes acceder a los datos de la empresa y aplicarlos a sus operaciones. Por ejemplo, los datos pueden mostrar una prevalencia de magulladuras por presión, lo que podría indicar un almacenamiento en pilas demasiado profundas o un problema con el equipo.

«Si alguna vez dejas entrar a un productor en el almacén de envasado, lo primero que hará será mirar la cinta de descarte para ver qué pasa por ella», dijo West. «No quiere ver ninguna patata buena en esa cinta. Pero poder tomar esa información sobre cada patata y devolvérsela... hay mucha información que se puede enviar en ambos sentidos».

De cara al futuro, West ve posibilidades adicionales de IA para los envasadores y procesadores de patatas, incluso antes de que el producto llegue al almacén.

«Todavía podemos hacer muchos más avances. Ya sea en interfaces de usuario o en la detección de defectos internos, es un mercado muy abierto», afirmó. «Todavía hay muchas áreas que necesitan atención. Eso incluye también la expansión al nivel de la explotación agrícola. Se pueden hacer muchas cosas para ayudar antes incluso de que se laven las patatas».

Yeates, que en su día fue escéptico, está ahora deseando ver lo que depara el futuro de la IA. Se imagina avances que «perfeccionen lo que ya existe, probablemente dándole un poco más de potencia. Necesitamos avanzar en esa capacidad de computación para poder hacer más cosas y hacerlas más rápido».

Si la última década sirve de indicativo, esa visión se hará realidad.

«La tecnología en los últimos 10 años ha dado pasos agigantados», dijo West. «Es fantástico ver que la gente presta realmente atención al mercado de la patata, porque es, sin duda, uno de los mercados más valiosos».

«Los productores trabajan duro para cultivar su producto, y no hay razón para que no utilicemos la mejor tecnología para ayudarles a obtener el mejor rendimiento, de modo que puedan seguir siendo agricultores en los años difíciles y prosperar en los buenos».