Bitacora micologica · · Setas de Siecha · noticias-fungi
La cámara entra al cultivo: el champiñón empieza a ser visto por máquinas
Antes de que un robot pueda cosechar un champiñón, alguien tiene que enseñarle a verlo. No a verlo como lo vemos nosotros, con una mezcla de costumbre y ojo de cultivador, sino a reconocerlo en medio de sombras, camas...
La cámara entra al cultivo: el champiñón empieza a ser visto por máquinas
Antes de que un robot pueda cosechar un champiñón, alguien tiene que enseñarle a verlo. No a verlo como lo vemos nosotros, con una mezcla de costumbre y ojo de cultivador, sino a reconocerlo en medio de sombras, camas húmedas, cuerpos superpuestos y sombreros que se parecen demasiado entre sí.
En 2024 se publicó M18K, un conjunto de datos pensado específicamente para detección y segmentación de champiñón blanco, Agaricus bisporus. Puede sonar frío: un dataset, 423 pares de imágenes RGB-D, más de 18.000 instancias anotadas. Pero detrás de esos números hay una escena muy concreta: camas de cultivo donde cada cuerpo fructífero fue señalado, separado del vecino, convertido en borde, volumen y etiqueta.
La noticia no está en que existan fotos de hongos. Eso cualquiera lo tiene en el celular. La noticia está en que la fungicultura empieza a producir el tipo de información que necesita una agricultura automatizada. Cuando una máquina recibe una imagen de una cama de champiñón, no entiende por sí sola dónde termina un sombrero y dónde empieza otro. Tampoco entiende cuál está listo para cosecha, cuál está demasiado pequeño, cuál está deformado o cuál se esconde bajo una sombra. Para eso necesita ejemplos, muchos ejemplos, cuidadosamente marcados.
M18K apareció precisamente para llenar ese vacío. Sus autores lo presentan como un benchmark para detección e instance segmentation en agricultura inteligente de champiñón. Usaron una cámara Intel RealSense D405, capaz de capturar imagen y profundidad. Esa profundidad importa porque el hongo no es una mancha plana: es un cuerpo que emerge de una superficie irregular, muchas veces tocando otros cuerpos. En un cultivo denso, la diferencia entre contar sombreros y entender volúmenes puede ser la diferencia entre una automatización torpe y una útil.
Para el productor pequeño esto puede parecer lejano. Uno está pensando en bolsas, pasteurización, grano, contaminación, humedad y ventas. Pero conviene mirar el asunto de otra manera: cada vez que una industria empieza a crear datasets especializados, esa industria empieza a cambiar de lenguaje. Ya no se habla solamente de rendimiento por metro cuadrado. Se empieza a hablar de visión, conteo, predicción, densidad, madurez, uniformidad y decisiones tomadas antes de entrar con la canasta.
El champiñón ha sido uno de los cultivos más estudiados dentro de la fungicultura comercial porque mueve grandes volúmenes y porque su cosecha es intensiva en mano de obra. La recolección exige delicadeza. Un mal giro rompe tejido, ensucia el producto, reduce vida poscosecha. Por eso la automatización no ha sido tan simple como poner un brazo robótico y ya. Primero hay que ver bien. Luego decidir. Luego tocar con cuidado.
Lo interesante de M18K es que muestra que el cultivo de hongos empieza a entrar en una fase donde las imágenes de una granja se vuelven datos agrícolas. Una foto deja de ser una foto bonita del flush y se convierte en medición. ¿Cuántos primordios aparecieron? ¿Qué porcentaje llegó a cosecha? ¿Qué zonas de la cama están atrasadas? ¿Qué patrón de crecimiento se repite cuando la ventilación falla? ¿Qué forma tiene un lote antes de perder calidad?
En Colombia y Latinoamérica todavía estamos lejos de robots cosechando champiñón en la mayoría de fincas. Pero no estamos lejos de usar mejor las imágenes. Una pequeña granja podría fotografiar sus bloques desde el mismo ángulo todos los días. Podría comparar lotes. Podría registrar deformaciones por CO2. Podría crear una memoria visual de cepas. La automatización grande empieza en prácticas pequeñas: medir siempre igual, nombrar bien los lotes, guardar datos que después permitan entender algo.
Quizá el primer robot útil no sea una máquina que coseche. Quizá sea una manera más rigurosa de mirar.
Lectura para Setas de Siecha
Esta noticia funciona mejor si no se publica como una curiosidad tecnológica, sino como una señal de cambio. El lector de Setas de Siecha no necesita salir con una respuesta cerrada; necesita salir con una pregunta mejor sobre su propio cultivo, su laboratorio, su sustrato o su manera de mirar los hongos.
