Procedimiento para la estimación automática de la porosidad del viñedo mediante visión artificial.

Procedimiento para la estimación automática de la porosidad del viñedo mediante visión artificial (1),

que comprende las etapas siguientes:

a) Capturar una imagen RGB original (13) de una cepa (10) con una cámara digital (11) en campo;

b) Seleccionar en la imagen RGB original (13) la región de la imagen que corresponda a la zona de producción de la cepa (10) para obtener una imagen con la selección de la región productiva de la cepa (14);

c) Segmentar la imagen con la región productiva de la cepa (14) mediante selección de semillas para obtener una imagen con la selección de la cepa segmentada (15) con los píxeles que conforman la cepa (10) y con los que corresponden al fondo (12);

d) Analizar la imagen con la selección de la cepa segmentada (15) para identificar los huecos presentes en la misma para obtener una imagen binaria clasificada (16);

e) Calcular el porcentaje de huecos de la cepa (10).

Procedimiento para la estimación automática de la porosidad del viñedo mediante visión 5 artificial.

Objeto de la invención La presente invención se refiere a un procedimiento no invasivo que permite estimar de forma automática, y sin empleo de un testigo manual, la porosidad del viñedo mediante visión artificial.

La presente invención resulta de gran interés para el sector vitivinícola en general, y especialmente para la gestión del cultivo y mejora de la calidad de uva. 15 Generalidades y estado de la técnica anterior más próximo La superficie foliar expuesta de la vid es uno de los parámetros más importantes a controlar en la producción de uva de la más alta calidad. El manejo óptimo de la 2 O superficie foliar expuesta busca encontrar el equilibrio entre la máxima captura de radiación solar para optimizar la fotosíntesis y la existencia de huecos que permitan el flujo de aire y la adecuada exposición de los frutos.

El número de capas foliares determina la eficiencia en la captación de la radiación de la planta, ya que cada hoja absorbe en tomo al 94% de la radiación incidente fotosintéticamente activa [1] por lo que sucesivas capas foliares van a recibir una proporción muy reducida de la misma, siendo ésta inferior al 1% en la tercera capa o posteriores. Esta reducción en la radiación recibida provoca que esas hojas no sean fotosintéticamente activas, por lo que la planta ha de gastar recursos en mantenerlas, que 3 O no serán utilizados en la maduración de la uva.

La optimización de la superficie foliar de la vid se puede llevar a cabo con diversas estructuras que dividen la pared vegetal mediante sistemas de conducción [1], regulando el riego de forma que se controle el crecimiento de los pámpanos [2] o mediante el

deshojado manual o mecanizado [3, 4]. La configuración foliar ideal es la que tiene entre 1 y 1, 5 capas foliares y un porcentaje de huecos situado entre el 20% yel 40% [5], lo que garantiza la adecuada captura de la radiación solar reduciendo al mismo tiempo las sombras.

O La presencia de huecos en la pared vegetal del viñedo es importante para favorecer la aireación del fruto, ya que una deficiente aireación favorece las infecciones fúngicas [6, 7]. En las variedades tintas, la exposición a la radiación solar induce la síntesis de antocianos [4, 8], compuestos clave en el vino de alta calidad. Sin embargo la exposición excesiva de los racimos puede generar quemaduras en los mismos y reducción de calidad

en el color de la uva [9, 10]. Optimizar la captura de la radiación solar por parte de las hojas y a la vez la exposición de los racimos es uno de los retos de la viticultura a nivel mundial; la diversidad de climas con diferentes regímenes de lluvia y temperatura requieren de diferentes estrategias para maximizar la calidad.

El método más utilizado para determinar la porosidad de la superficie foliar es el "Point Quadrat Analysis" (PQ A) [1]. Esta técnica se basa en la utilización de una vara de prueba que se inserta a intervalos regulares en la pared o dosel vegetativo del viñedo. Contando el número de veces y partes de la vid con la que la punta de prueba entra en contacto (hojas, racimos, pámpanos o huecos) se obtiene la proporción de los diferentes elementos. La porosidad del viñedo puede cuantificarse como la división del número de huecos dividido entre el total de las inserciones del testigo. Se recomienda un mínimo de 50 pasadas para identificar adecuadamente la porosidad [1]. El PQA requiere gran cantidad de mano de obra y tiempo para ser llevado a cabo en un número limitado de cepas, por lo que su uso en la industria vitícola es reducido. La realización de la prueba completa con 50 inserciones requiere de diez a quince minutos para completarse, por 10 que el número de cepas evaluadas por unidad de tiempo es limitado. Para conseguir mayor implantación entre los viticultores y la industria es necesario encontrar un método que permita la estimación de la porosidad de la pared vegetativa de una manera más rápida.

Aunque por los condicionantes descritos anteriormente no es ampliamente utilizado, el PQA es el estándar en viticultura a nivel mundial. Un método más rápido y sencillo para evaluar la porosidad de la pared vegetativa de la cepa permitiría su uso generalizado y con ello la mejora en el manejo de la superficie vegetativa redundando en una mayor

calidad del fruto.

No existen métodos disponibles sobre la evaluación de la porosidad del viñedo utilizando el análisis de imagen.

O La ventaja técnica de la presente invención es la de un procedimiento no invasivo, que permite determinar de forma automática la porosidad de una cepa mediante visión artificial.

Referencias bibliográficas 35

[1] Smart RE, Influence of light on composition and quality of grapes. Acta Hort. 206:37-47 (1987) .

[2] Intrigliolo DS and Castel JR, Response of grapevine cv. 'Tempranillo'to timing and

O amount ofirrigation: water relations, vine growth, yield and berr y and wine composition. Irrig Sci 28:113-125 (2010) .

[3] Tardaguila J, de Toda FM, Poni S and Diago MP, Impact of early leaf removal on yield and fruit and wine composition of Vitis vinifera L. Graciano and Carignan. Am J 45 Enol Vitic 61:372-381 (2010) .

[4] Tardaguila J, Blanco J, Poni S and Diago M, Mechanical yield regulation in winegrapes: comparison ofearly defoliation and crop thinning. Aust J Grape Wine Res 18:344-352 (2012) .

[5] Smart R and Robinson M, Sunlight Into Wine; A Handbook for Winegrape Canopy Management. Winetitles, Adelaide, pp. 88 (1991) .

[6] English J, Thomas C, Marois J and Gubler W, Microc1imates of grapevine canopies associated with leaf removal and control ofBotr y tis bunch rot. Phytopathology 79:395401 (1989) .

[7] Diago MP, Vilanova M and Tardaguila J, Effects oftiming ofmanual and mechanical early defoliation on the aroma of Vitis vinífera L. Tempranillo wine. Am J Enol Vitic 61:382-391 (2010) .

[8] Diago MP, Ayestarán B, Guadalupe Z, Garrido Á and Tardaguila J, Phenolic composition of Tempranillo wines following early defoliation of the vines. J Sci Food Agric 92:925-934 (2012) .

[9] K1iewer WM, Influence of temperature, solar radiation and nitro gen on coloration and composition ofEmperor grapes. Am J Enol Vitic 28:96-103 (1977) .

[10] Mori K, Goto-Yamamoto N, Kitayama M and Hashizume K, Loss ofanthocyanins in red-wine grape under high temperature. J Exp Bot 58: 1935-1945 (2007) .

[11] McLachlan G, Mahalanobis distance. Resonance 4:20-26 (1999) .

Breve descripción de las figuras

Glosario de referencias

(ID Procedimiento para la obtención manual de la porosidad.

(!) Procedimiento para la estimación automática de la porosidad del viñedo

mediante visión artificial.

(10) Cepa.

(11) Cámara digital.

(12) Fondo.

(13) Imagen RGB original.

(14) Imagen con la selección de la región productiva de la cepa.

(15) Imagen con la selección de la cepa segmentada en sus clases constitutivas

(hojas, racimos, madera y huecos) .

(16) Imagen binaria clasificada.

Figura 1 (Fig.l) . muestra una configuración esquemática de la ubicación de una cámara digital (11) para capturar una imagen RGB original (13) de una cepa (10) , en condiciones de campo.

Figura 2 (Fig.2) . muestra un diagrama de bloques con los flujos de movimiento según el estado de la técnica actual (O) y según la presente invención (1) . El estado de la técnica actual se encuentra reflejado mediante línea de trazos discontinuos, mientras que el flujo de acuerdo a la presente invención se muestra mediante línea de trazo continuo.

Figura 3 (Fig.3) . muestra un conjunto de imágenes (14, 15, 16) obtenidas al aplicar el procedimiento que preconiza la invención (1) a una imagen RGB original (13) .

En Fig.3A puede verse una imagen RGB original (13) . En Fig.3B puede verse una imagen con la selección de la región productiva de la

cepa (14) . En Fig.3C puede verse una imagen con la selección de la cepa segmentada (15) en sus clases constituyentes (hojas, racimos, pámpanos o huecos) . En Fig.3D puede verse una imagen binaria clasificada (16) .

O Figura 4 (Fig.4) . muestra un gráfico, que se presenta a modo de ejemplo, donde se aprecian distintos valores de " % huecos medidos por cepa " frente a sus valores correspondientes de "% huecos estimados por cepa ", así como la correlación lineal entre dichos valores.

5 Descripción detallada de la invención y exposición de un modo de realización preferente de la invención La presente invención permite determinar la porosidad de la pared o dosel vegetativo del viñedo....

1. Procedimiento para la estimación automática de la porosidad del viñedo

mediante visión artificial (1) , caracterizado porque comprende las etapas

5 siguientes:

a) Capturar una imagen RGB original (13) de una cepa (10) con una cámara

digital (11) en campo;

10 b) Seleccionar en la imagen RGB original (13) la región de la imagen que

corresponda a la zona de producción de la cepa (10) para obtener una imagen

con la selección de la región productiva de la cepa (14) ;

c) Segmentar la imagen con la región productiva de la cepa (14) mediante

15 selección de semillas para obtener una imagen con la selección de la cepa

segmentada (15) con los píxeles que conforman la cepa (10) y con los que

corresponden al fondo (12) ;

d) Analizar la imagen con la selección de la cepa segmentada (15) para

2 O identificar los huecos presentes en la misma para obtener una imagen binaria

clasificada (16) ;

e) Calcular el porcentaje de huecos de la cepa (lO) .

25 2. Procedimiento según la reivindicación 1, caracterizado porque la cepa (10) es

de una vid tanto de variedad tinta como blanca.