Para una empresa dedicada al cultivo y distribución de lechuga envasada y preparada, la recolección de las mismas se convierte en un momento decisivo de su negocio. A la hora de comprar fruta y verdura, el aspecto juega un papel fundamental en la decisión de compra: que el producto envasado esté en las mejores condiciones depende en gran medida de su cosecha.

Decidir cuándo es el momento óptimo para recolectar la lechuga era tan vital para Florette, empresa líder del sector en España y Portugal, que gran parte de su inversión iba destinada a esta tarea. 

Las lechugas se cosechan entre 60 y 80 días después de la plantación, es decir, un plazo de 20 días en los que debían realizarse inspecciones humanas diarias hasta que llegara el momento indicado de la recolección. Esto se traducía en miles de horas de trabajo al año.

Optimizar esta supervisión era vital para Florette, pero los sensores IoT instalados en sus cultivos no proporcionaban datos suficientes para tomar una decisión. Es entonces cuando entra juego la Inteligencia Artificial, en concreto una de las soluciones ofrecidas por Google: BigQueryML.

Predecir cuándo hay que cosechar

El conocimiento y la tradición siempre han tenido un peso importante en la agricultura, donde la experiencia acumulada por años llevaba a los recolectores a tomar la mejor decisión sobre la cosecha. Con la aparición de la Inteligencia Artificial, es posible mejorar este proceso: se obtienen datos científicos de fuentes fiables, durante un periodo de tiempo determinado y se procesan para obtener patrones y tendencias. 

Este fue el trabajo que se llevó a cabo con Florette: se tomaron los datos históricos de siembra y cosecha de los cultivos y se cotejaron con registros y previsiones meteorológicas.

Estos conjuntos se alojaron en un repositorio de BigQuery donde, gracias a su funcionalidad ML, se crearon modelos de aprendizaje automático. Al no tener que mover datos entre herramientas, aumenta la velocidad de desarrollo y la eficiencia de la solución. 
 

Gracias a los modelos de ML se ha reducido en un 50% el número de inspecciones realizadas por personas

Para poder obtener predicciones, se programaron dos modelos:

• Cosecha óptima de los cultivos basado en datos meteorológicos
• Predicción de kilogramos cosechados por cultivo

Una vez construidos, estos dos modelos siguen alimentándose continuamente de nuevos datos, con los que de forma periódica vuelven a entrenarse para optimizar su aprendizaje, dando cada vez predicciones más precisas.

Una cosecha más inteligente

La implantación de los modelos de predicción ha permitido a Florette reducir a la mitad el número de inspecciones humanas, lo que supone un importante ahorro de costes y una simplificación de todo el proceso de producción.

En lo que se refiere a la precisión de los modelos, el acierto de la predicción supera el 85% de los casos. Tal ha sido el éxito que esta solución, pensada para el cultivo de lechuga iceberg, se ha ido extendiendo a otras producciones de la empresa