Por qué la fresa es el caso difícil
La fresa es uno de los cultivos más exigentes de automatizar. Madura de forma irregular, se esconde bajo las hojas, se daña al contacto y hay que recolectarla de forma selectiva — solo el fruto maduro y en el momento justo. Además es de los cultivos más intensivos en mano de obra para recoger a mano, y por eso una plantilla estacional cada vez más escasa y cara empuja a los productores hacia la robótica.
Esa dificultad es también la razón por la que la fresa se convirtió en referencia del sector. Xiong et al. (2020), en el Journal of Field Robotics, diseñaron, construyeron y evaluaron en campo un robot de recolección autónoma de fresa en condiciones reales — demostrando que la recogida robotizada de fruto delicado es viable fuera del laboratorio. HarvBot, el robot recolector propio de CoFarmer, aplica el mismo enfoque en producción.
Cómo ve el robot: detección más localización 3D
Un robot recolector necesita dos capacidades de percepción. Primero, detectar el fruto maduro en un follaje denso y no estructurado. Yu et al. (2019), en Computers and Electronics in Agriculture, mostraron que los modelos de visión por computador con IA (Mask R-CNN) detectan fresas de forma fiable incluso cuando hojas y otros frutos estorban.
Segundo, saber exactamente dónde está cada fresa en el espacio para que el brazo la alcance sin aplastarla. Ge et al. (2022), en Precision Agriculture, compararon métodos de localización 3D que precisan la posición y el tamaño del fruto. HarvBot usa visión 3D para hacer ambas cosas a la vez — localizar cada fresa y clasificarla por tamaño, color y madurez mientras recolecta, sin descanso.
De un robot a una flota coordinada
Un solo robot es una prueba de concepto; una granja necesita rendimiento. El siguiente paso es la coordinación — varias máquinas trabajando el mismo campo sin chocar, cada una planificada según la madurez del cultivo, el clima y la disponibilidad de personal.
CoFarmer Fleet gestiona varios robots desde un único panel con telemetría en tiempo real, planificación de rutas y asignación de tareas con IA. Como los robots funcionan sobre la misma plataforma que la monitorización y las operaciones de la granja, las decisiones de recolección usan los mismos datos de cultivo en vivo que el resto de la granja — no un sistema aparte y desconectado.
En resumen
La recolección autónoma de fresa ya no es teórica: la percepción — detección de fruto más localización 3D — está validada en investigación revisada por pares, y robots como HarvBot la llevan al campo 24/7, clasificando por madurez mientras recolectan.