La Universitat Politècnica de València ha desenvolupat una aplicació capaç d'identificar de manera primerenca les malalties als tarongers i diverses plagues a partir d'imatges de fulles i fruits. El sistema, basat en tècniques de intel·ligència artificial, aconsegueix una precisió de 99,58% en les seves proves.
L'objectiu és clar: ajudar els citricultors a aturar a temps problemes fitosanitaris, iniciar tractaments abans que es propaguin i reduir pèrdues econòmiques en explotacions d'Espanya i altres països europeus productors.
Com neix i què persegueix l'eina
L'equip de la UPV va detectar que les solucions existents per a cítrics eren insuficients i poc precises, per la qual cosa va apostar per un model millorat que elevés la fiabilitat del diagnòstic. La iniciativa s'emmarca en una línia de recerca acadèmica i aplicada al voltant de la sanitat vegetal dels tarongers.
Segons el grup responsable, es va fixar des del principi la meta d'aconseguir un percentatge d'encert molt alt i oferir una utilitat real al camp, amb una app fàcil d'usar per agricultors de cítrics. El desenvolupament tècnic s‟ha realitzat en el context d‟una tesi doctoral, amb la participació d‟investigadors especialitzats de la universitat.
Com funciona i en quins dispositius opera
L'aplicació corre a iOS, Android, Windows, Linux i Raspberry Pi. A més de la versió mòbil, n'hi ha una altra pensada per a grans finques que es pot executar en ordinadors personals i dispositius Raspberry Pi, amb opció de remetre informes diaris per correu electrònic amb els resultats de l'anàlisi de l'arbrat.
Entre els seus avantatges, destaca que no requereix connexió a Internet ni servidors externs, ja que el processament es realitza al mateix dispositiu. Això permet treballar en zones amb cobertura limitada i amb un baix consum de recursos, pujant directament a l'app les fotografies de fulles i taronges per a la seva avaluació.
Què diagnostica l'app i amb quina precisió
El sistema diferencia amb fiabilitat la taronja d'altres fruites (classificades com no‑taronja), reconeix quan un fruit està sa i detecta vuit malalties i plagues tant en fulles com en fruits, per a les quals ha estat entrenat específicament.
Entre les afeccions que identifica es troben, per exemple, melanosi, punts negres, xancre o la trucada verdeada. L'eina ofereix així una guia ràpida per decidir accions correctives i evitar que les taques i lesions avancin sense control.
El model s'ha entrenat amb un conjunt estandarditzat de 5.073 imatges i, després de l'aprenentatge inicial, s'ha aplicat un ajustament fi que ha permès assolir el 99,58% d'encert. La base és l'aprenentatge profund, amb xarxes neuronals capaces d'extreure patrons visuals rellevants per al diagnòstic.
Avanços respecte a solucions prèvies
Davant eines anteriors, la proposta de la UPV mostra una taxa d'encerts superior, alhora que redueix la càrrega computacional i millora la practicitat dús en mobilitat. Poder executar-se al telèfon i analitzar imatges in situ simplifica el control sanitari el dia a dia de l'explotació.
Que funcioni sense connectivitat i sense dependre de servidors afegeix resiliència: a comarques citrícoles on la cobertura fluctua, l'agricultor conserva la capacitat de diagnosticar al moment i prendre decisions sense esperes, millorant la gestió integrada de plagues.
Propers passos: robots, drones i sensors
L'equip ja treballa a integrar l'aplicació a robots i drones capaços de recórrer les parcel·les, capturar imatges i diagnosticar taques i malalties sobre la marxa. La idea és ampliar la vigilància a escala de tota la finca amb menys càrrega manual i més freqüència d'inspecció.
A més, es preveu combinar el programari amb sistemes de reg, fertilització i xarxes de sensors de gas, de manera que es puguin creuar dades ambientals amb l'estat sanitari i activar respostes més precises davant de problemes que affectin el rendiment del cultiu.
Per als productors espanyols, especialment en zones clau de cítrics, aquestes capacitats es poden traduir en millor productivitat, menor minvament de collita i un suport tangible a la presa de decisions en camp, tant en explotacions petites com en finques intensives.
Amb una app multiplataforma, processament sense connexió, un model entrenat amb milers d'imatges i 99,58% d'encert, el desenvolupament de la UPV fa un pas rellevant en la detecció primerenca de malalties en tarongers i estableix les bases per al seu desplegament en robots, drones i sensors que reforcin la sanitat vegetal al sector citrícola.