Un equipo investigador del Centro de Investigación en Agrigenómica (CRAG) ha desarrollado un método informático automatizado y rentable para evaluar la forma y el color de la fruta que contribuirá a aumentar la eficiencia agrícola.‍

El estudio, publicado en la revista científica Plant Phenomics, se ha realizado utilizando imágenes de fresa, aunque su algoritmo de aprendizaje automático se puede aplicar fácilmente a otros frutos como manzanas, tomates y cítricos. El software ideado también puede predecir virtualmente la forma y apariencia de la fruta, proporcionando una poderosa herramienta de simulación para diseñar nuevos cruces. El equipo investigador ha dado acceso abierto al código para que la comunidad lo adapte a sus necesidades.

En un contexto de crecimiento exponencial de la población mundial y de incremento de las áreas de sequía a causa del cambio climático, es  imprescindible optimizar la producción de alimentos de forma significativa.
Durante las últimas décadas, el aumento de la eficiencia de los sistemas frutícolas –uno de los principales objetivos del Año Internacional de las Frutas y Verduras (AIFV) designado por la Asamblea General de la ONU–
se ha logrado gracias a los programas de mejora vegetal que se han beneficiado del desarrollo de tecnologías genómicas. Sin embargo, la mejora vegetal involucra tanto la genómica como la fenómica –la expresión de un genoma en distintos ambientes que da lugar a rasgos medibles diferenciados–, y la automatización de las mediciones fenómicas es uno de los mayores desafíos y oportunidades para incrementar el ritmo de la selección artificial y lograr la agricultura de precisión.

Dado que la apariencia de la fruta influye críticamente en la aceptación de los consumidores, con diferentes preferencias entre comunidades y alrededor del mundo, los rasgos morfológicos como la forma, el tamaño y
el color son muy relevantes en los programas de mejora vegetal. La caracterización manual de tales rasgos es costosa e inexacta, pero hoy en día se pueden tomar cientos de fotografías de frutas cultivadas en diferentes condiciones ambientales, incluso en el campo, para recolectar información fenómica objetiva. Por lo tanto, el desarrollo de herramientas analíticas nuevas y mejoradas capaces de transformar automáticamente esta gran cantidad de datos en información valiosa es clave para promover la evaluación de la apariencia de la fruta.

‍