Resumen:
This work develops an embedded computer vision system for the automatic detection of pruning points in grapevine plants, aiming to improve the accuracy and efficiency of pruning processes in precision viticulture. The study hypothesizes that integrating 2D object detection techniques with 3D geometric perception enables reliable estimation of the agronomic cutting location. The project was developed using Intel RealSense RGB-D cameras, NVIDIA Jetson Orin platforms, and YOLO11 detection models trained with optimized data augmentation strategies. Image processing allowed the identification of buds and cane segments, which were then projected into three-dimensional space to compute the optimal pruning point. The obtained results showed that the YOLO11m model achieved the highest performance in terms of precision and mAP50, validating its suitability for the final system implementation. In conclusion, the proposed system represents a functional technological solution for automating grapevine pruning and establishes the foundation for its future integration into autonomous agricultural robots.
Keywords: computer vision, smart pruning, embedded models, precision viticulture
Descripción:
El presente trabajo desarrolla un sistema embebido de visión por computador para la detección automática del punto de poda en plantas de vid, con el objetivo de mejorar la precisión y eficiencia de los procesos de poda en la viticultura de precisión. La investigación plantea como hipótesis que la integración de técnicas de detección de objetos en 2D y percepción geométrica en 3D permite estimar de forma confiable la ubicación del corte agronómico. Para el desarrollo del proyecto se emplearon cámaras RGB-D Intel RealSense, plataformas NVIDIA Jetson Orin y modelos de detección YOLO11 entrenados con estrategias de aumentación de datos. El procesamiento de las imágenes permitió identificar yemas y segmentos de sarmiento, y posteriormente proyectarlos al espacio tridimensional para calcular el punto de corte óptimo. Los resultados obtenidos evidenciaron que el modelo YOLO11m alcanzó el mejor desempeño en precisión y mAP50, validando su viabilidad para la implementación final del sistema. En conclusión, el sistema propuesto constituye una solución tecnológica funcional para la automatización de la poda en vid y sienta las bases para su futura integración en robots agrícolas autónomos.
