La IA impulsa los avances en la clasificación y clasificación automatizadas 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, editora gerente de la revista Spudman

Wada Farms, con sede en Idaho, cultiva más de 30 000 acres de patatas y otros productos, opera un cobertizo de envasado de 140 000 pies cuadrados y acumuló 37,5 millones de dólares en ingresos para 2025. Como una de las mayores empresas productoras y exportadoras de patatas y cebollas frescas del país, la operación ha sido testigo de primera mano de los avances posibles gracias a 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 adaptar los avanzados sistemas automatizados de detección y clasificación de patatas SiftAI de KPM Analytics, ha mejorado la precisión y la eficiencia y, al mismo tiempo, ha reducido la mano de obra hasta en un 80% desde que se asoció con la empresa de tecnología con sede en Massachusetts, afirma Kip Yeates, vicepresidente de operaciones frescas de Wada Farms. Sin embargo, es posible que ninguno de esos logros se hubiera logrado sin un encuentro casual hace casi una década.

«Éramos una página en blanco en lo que respecta a la IA», dijo Yeates a Spudman. «Alguien conducía un camión y sacaba patatas de nuestro edificio y pensó que su cuñado podría estar interesado en ayudarnos».

Ese cuñado estaba afiliado a Smart Vision Works, expertos en sistemas de visión artificial, que KPM adquirió en 2023.

Fundada por doctores que conocían bien la programación pero no estaban tan arraigados en la agricultura, Smart Vision Works «buscaba buenos lugares en los alimentos para aplicar esa tecnología con la que estábamos muy familiarizados», dijo Curtis Koelling, vicepresidente de producto de KPM.

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

El problema con las patatas

Históricamente, los sistemas de visión no habían hecho incursiones en el calibrado y la clasificación de las patatas por una sencilla razón: las patatas marrones, como las rojizas, que son una de las cuatro variedades principales que cultiva Wada, enturbiaron el panorama de la tecnología de diferenciación de colores ampliamente utilizada por esos sistemas.

«Las patatas rojizas son de color marrón», dijo Jeremy West, representante nacional de ventas de KPM para la inspección visual de patatas. «Sus defectos son de color marrón, en su mayor parte. Por lo tanto, es muy difícil usar la diferenciación de colores para saberlo».

Koelling añadió: «La tecnología de visión, que promete demasiado y no cumple con creces, ha quemado a mucha gente. Les pone un sabor amargo en la boca».

Yeates, por ejemplo, no estuvo inmediatamente de acuerdo con la idea.

«Necesitaba mucho convencimiento», dijo. «Estaba bastante seguro de que sería lo más difícil que habían emprendido hasta ese momento con los sistemas de visión. Para los rojizos, sería extremadamente difícil identificar lo que es simplemente inconsistente en la malla o el color de la papa y lo que es un defecto real».

Yeates se dejó llevar por un vídeo que mostraba al técnico de Smart Vision Works identificando y quitando un trozo de madera del tocino.

«Apenas podía identificar la madera a simple vista. De hecho, tuvieron que segmentarla para sacarla de la imagen para que pudiera ver dónde estaba», dijo Yeates. «Así es como me convencieron... Ha pasado un tiempo. Esto lleva ocho o nueve años preparándolo. Llegamos a un punto en el que pudimos dimensionar mejor que cualquier otra cosa que hayamos visto anteriormente, por un amplio margen».

Wada comenzó de a poco, empleando un sistema de cámaras adaptado para dimensionar patatas «sin ningún componente de clasificación, de modo que pudieran observarlas y obtener las dimensiones correctas con el sistema de visión (obtener la longitud, el ancho y la altura) y, luego, compararlas con el factor de densidad para determinar el volumen de la papa», dijo Yeates. «Luego comenzamos con la clasificación, eliminando los defectos y creamos un modelo que nos permitiría clasificar las papas según los estándares del USDA y deshacernos de las papas rotas, verdes y magulladas».

Según los estándares del USDA, «se puede tener una cierta cantidad de superficie que cubra el defecto», dijo West. «Que yo sepa, no hay otro sistema que mida realmente el tamaño del defecto y te dé el porcentaje de superficie como lo hacemos nosotros. Esto se correlaciona directamente con el estándar del USDA y también con los estándares establecidos por el cliente».

Tecnología en el trabajo

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

El sistema incluye:

• Mesa inteligente para la clasificación y la detección de materiales extraños
• Sistema de clasificación, dimensionamiento y clasificación de patatas de varios carriles
• Sistema de detección de materiales extraños para la producción de alimentos (utilizado principalmente en el astillado y procesamiento)
• Clasificador robótico

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

«Acabamos de integrarnos en la maquinaria existente y proporcionamos el cerebro y los ojos», dijo. «Desde que KPM Analytics nos adquirió, hemos seguido expandiéndonos en el mercado de la papa y ofreciendo soluciones adicionales mediante la plataforma SiftAI... Hemos ido más allá del color. Ya no es solo un umbral que indique que si el color cambia más allá de ese límite, se trata de un producto malo.

«La desafortunada verdad es que incluso dentro del mismo lote, el color de la piel de una papa puede variar. Puede haber despellejamiento, algo que el cliente puede aceptar. Hasta el momento, nuestro modelo de IA se ha utilizado en millones de patatas: diferentes variedades de diferentes estaciones, de diferentes campos y lugares. Ahora es muy experto en identificar defectos que van más allá de simplemente «el color está un poco desfasado».

Según el tamaño de la operación y el equipo utilizado, los procesadores y empacadores de papas pueden obtener un retorno de la inversión en entre 10 meses y tres años, dijo West.

Yeates dijo que Wada Farms redujo sus necesidades de mano de obra entre un 75 y un 80% y, al mismo tiempo, mejoró la precisión de la clasificación.

«El tipo de trabajo que hacemos es un trabajo duro y simplemente no vemos que la gente quiera hacer este tipo de trabajo», dijo. «La mente de la IA no va a divagar. Permanece concentrada y en el objetivo. Hará lo que se le diga que haga. Básicamente, un robot puede obtener los ciclos (de producción) equivalentes a los de dos personas... Es mucho mejor de lo que podrían hacer los humanos».

Camino automatizado por delante

Además de la industria de frutas y verduras, KPM, con más de 100 clientes en más de 100 países, también trabaja con sectores que incluyen bebidas, aperitivos, cereales y granos, según su sitio web.

La presencia de la papa impulsa su crecimiento, así como las actualizaciones tecnológicas de sus competidores, dijo West.

«Más del 70% de la clasificación de carriles es nuestra visión de SifTai que ahora se dirige a Idaho para patatas», dijo. «La competencia impulsa la innovación, y la innovación ha sido realmente buena para los productores y los almacenes».

West hizo hincapié en que KPM trabaja para formar una asociación con los productores, utilizando los comentarios para mejorar sus productos y, al mismo tiempo, permitir a los clientes acceder a los datos de la empresa y aplicarlos a sus operaciones. Por ejemplo, los datos de la empresa pueden mostrar una prevalencia de contusiones por presión, lo que podría indicar que las pilas de almacenamiento están demasiado profundas o que se trata de un problema con el equipo.

«Si alguna vez dejas que un productor entre en el cobertizo, lo primero que va a hacer es mirar lo que hay en el cinturón de sacrificio y ver qué pasa», dijo West. «No quiere ver patatas buenas en esa zona de sacrificio. Pero para poder tomar esa información sobre cada papa y devolvérsela, hay mucha información que se puede enviar a ambos lados».

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

«Todavía hay muchos más avances que podemos lograr. Ya se trate de interfaces de usuario o de detección interna de defectos, es un mercado muy abierto», afirmó. «Todavía hay muchas áreas que necesitan ser atendidas. Eso también incluye expandirse al nivel de granja. Hay muchas cosas que se pueden hacer para ayudar incluso antes de lavar las patatas».

Yeates, que alguna vez fue escéptico, ahora está ansioso por ver qué depara el futuro de la IA. Se imagina que los avances «refinan» lo que ya existe, probablemente dándole un poco más de potencia. Necesitamos mejorar esa potencia de cálculo para poder hacer más cosas y hacerlas más rápido».

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

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

«Los productores trabajan arduamente para cultivar sus productos, y no hay ninguna razón por la que no debamos utilizar la mejor tecnología para ayudarlos a obtener el mejor rendimiento por ello, de modo que puedan seguir siendo agricultores en los años difíciles y prosperar en los buenos».