Automatización y precisión: Nueva herramienta de IA permite clasificar daños en granos de forma objetiva para garantizar precios justos.
Con una producción nacional cercana a los 19 millones de toneladas de maíz grano al cierre de 2025, México mantiene a este cultivo como uno de los pilares de su sector agroalimentario. De acuerdo con datos del Servicio de Información Agroalimentaria y Pesquera (SIAP) de la SADER, citados por el Sistema de Información Estadística y Geográfica del Estado de Sinaloa (SIEGSIN), Sinaloa se consolidó como el segundo productor nacional con 2.32 millones de toneladas, equivalentes al 12.21 por ciento del total del país, solo por debajo de Jalisco y por encima de Michoacán.
En este contexto, investigadores de la Universidad Autónoma de Sinaloa (UAS) desarrollaron el artículo científico denominado Evaluación comparativa de técnicas de segmentación en semillas de maíz, cuyo propósito es optimizar la identificación y evaluación de la calidad del grano mediante herramientas de visión por computadora.
El doctor Juan Augusto Campos Leal, investigador de la UAS, comentó que el objetivo central consistió en comparar distintas técnicas de segmentación de imágenes capaces de detectar y clasificar el nivel de daño presente en los granos. Esto permite distinguir entre muestras con daños severos, moderados, leves o sin afectaciones, información que resulta fundamental para determinar la calidad de un lote.
Respecto a la innovación metodológica, Campos Leal sostuvo que la investigación empleó diferentes espacios de color, como RGB y HSV, combinados con algoritmos de segmentación y métricas ampliamente aceptadas por la comunidad científica para evaluar el desempeño de cada técnica. “Este enfoque permitió validar objetivamente los resultados obtenidos y determinar cuáles métodos ofrecen mayor precisión para la identificación automática de los granos, fortaleciendo así la confiabilidad del proceso de análisis”, expresó.
Por su parte, el doctor Arturo Yee Rendón, investigador de la Facultad de Informática Culiacán, destacó que este trabajo representa un claro ejemplo de investigación aplicada, orientada a resolver problemas reales del sector agrícola. Explicó que, actualmente, la evaluación de la calidad del maíz continúa realizándose de forma manual en muchos casos, por lo que la implementación de técnicas de visión por computadora permitirá automatizar la clasificación y el conteo de granos, generando procesos más eficientes, objetivos y transparentes para la determinación de su valor comercial.
El también miembro del Sistema Nacional de Investigadoras e Investigadores (SNII) comentó que el proyecto se alinea con estrategias de desarrollo sustentable al impulsar el uso de tecnologías digitales en la agricultura, y señaló: “Uno de los principales desafíos consiste en identificar correctamente granos que aparecen traslapados en las imágenes o que presentan diferentes niveles de calidad”.
Asimismo, recordó que la UAS ha participado recientemente en iniciativas relacionadas con la agricultura de precisión, como el Congreso Internacional de Drones en Agricultura, donde también se presentaron investigaciones enfocadas en el conteo automatizado de plantas de maíz.
Finalmente, el investigador sostuvo que la metodología desarrollada no se limita al análisis de semillas de maíz, sino que puede adaptarse a otros cultivos y problemas agrícolas que requieran procesamiento digital de imágenes e inteligencia artificial.
Subrayó que este tipo de investigaciones contribuye a que los productores cuenten con herramientas que favorezcan evaluaciones más precisas y precios más justos para sus cosechas. Asimismo, invitó a estudiantes, investigadores y al sector productivo a acercarse a la Facultad de Informática Culiacán para impulsar proyectos interdisciplinarios que permitan resolver problemas complejos mediante tecnologías de vanguardia.