Desarrollar un prototipo de dispositivo agrícola (AgroIA), basado en visión computacional y Deep Learning, que podrá contar racimos desde imágenes georreferenciables en uva de mesa y vino, el cual podrá ser instalado en un sistema móvil (ej. tractor)

- Obtener una versión de la base de datos CanopyDB ampliada y mejorada con imágenes obtenidas en viñedos y parrones seleccionados, para su uso en visión computacional y Deep Learning. Este objetivo considera la adquisición de imágenes en diferentes condiciones de campo en los estados de post-cuaja y pinta. Imágenes y zonas de estas como racimos, pámpano, follaje y otros elementos serán clasificados manualmente. Se espera como producto una base de datos de imágenes (CanopyDB) y sus APIs de acceso. Cabe destacar que las imágenes serán adquiridas en diferentes campos productivos de las empresas asociadas a esta propuesta. - Mejorar el desempeño de Bako a través del entrenamiento con imágenes de CanopyDB bajo condiciones de laboratorio y analizar el uso de nuevas arquitecturas de red neuronal. Se entrenará y mejorará a Bako de forma continua utilizando imágenes de CanopyDB, con el fin de aumentar su capacidad para cuantificar racimos. A su vez, se explorará el uso de nuevas arquitecturas de red del tipo Mask-RCNN. - Diseñar y construir un prototipo de AgroIA georreferenciable, que permita ejecutar Bako y cuantificar racimos bajo condiciones de laboratorio. Se diseñará e implementará una arquitectura de hardware que permita la incorporación de los sistemas de adquisición de imágenes e iluminación controlada, GPS, procesadores VPU (video processing unit) compatibles con Bako, como de las características que permitan el uso de AgroIA en terreno. Además, se construirá un sistema de montaje para su uso como dispositivo en un sistema móvil (ej. tractor). - Determinar parámetros de adquisición de imágenes que permitan el funcionamiento en terreno de AgroIA. Se definirán parámetros de terreno como velocidad de captura de imágenes, iluminación, capacidad de almacenamiento, gasto energético, entre otros; que permitan la detección de racimos por Bako y su georreferenciación por AgroIA en huertos productivos, pre-caracterizados en cantidad de racimos por planta, hilera y/o espaldera. - Validar el prototipo AgroIA como dispositivo de cuantificación de racimos en terreno. Se determinará la eficacia y certeza (IoU, intersection of union) del método de cuantificación georreferenciada de AgroIA, en parronales y viñedos de diferentes características. - Difusión y protección del prototipo AgroIA. Dado que el desarrollo de esta tecnología es de una característica reciente en nuestro sistema productivo, tanto de uva de mesa como vino, se realizarán actividades de difusión vía Web (Universidad Andrés Bello y Fedefruta) y al final del proyecto se realizará un seminario con los resultados obtenidos a la fecha. Se analizará las alternativas de protección de los resultados obtenidos.'