Desarrollo de un Sistema Autónomo para la Detección y Cosecha de Frutos de Aguaymanto mediante un Vehículo no Tripulado con Visión Artificial en Campos Agrícolas de Huánuco, Perú

Abstract

El presente trabajo desarrolla el diseño de un sistema autónomo para la cosecha de frutos de aguaymanto (Physalis peruviana) mediante visión artificial, con aplicación en campos agrícolas de la región Huánuco, Perú. El proyecto busca contribuir al proceso de modernización de la agricultura nacional mediante la incorporación de tecnologías de inteligencia artificial, robótica móvil y sistemas embebidos orientados a la automatización de tareas agrícolas especializadas. La propuesta se basa en el desarrollo de un vehículo terrestre no tripulado (UGV) capaz de desplazarse de forma autónoma entre hileras de cultivo, incorporando un sistema de detección de frutos basado en el algoritmo YOLO11. Este modelo de visión artificial permite identificar en tiempo real los frutos de aguaymanto presentes en el entorno y clasificarlos en dos categorías: maduro o no maduro, facilitando la toma de decisiones sobre el proceso de recolección. El UGV integra un conjunto de sensores de navegación, cámaras y un módulo de procesamiento embebido Jetson Orin Nano, encargado de ejecutar los algoritmos de detección y control. A su vez, se implementa un brazo robótico de cuatro grados de libertad con un gripper diseñado específicamente para el aguaymanto, optimizado en su forma y fuerza de agarre para realizar cortes precisos sin dañar el fruto ni su estructura vegetal. La arquitectura del sistema se caracteriza por su modularidad, bajo costo y adaptabilidad a terrenos agrícolas irregulares, lo que permite su potencial replicabilidad en otros cultivos de características similares. De esta manera, el proyecto busca reducir la dependencia de la mano de obra estacional, optimizar los tiempos de cosecha y mejorar la eficiencia del proceso productivo, contribuyendo a la competitividad del sector agroexportador peruano. En conjunto, el desarrollo de este sistema autónomo representa un paso significativo hacia la implementación de soluciones inteligentes de agricultura de precisión, reforzando la sostenibilidad y el avance tecnológico del agro peruano.

This work presents the design of an autonomous system for the harvesting of cape gooseberry (Physalis peruviana) using computer vision in the agricultural fields of Huánuco, Peru. The project aims to contribute to the modernization of Peruvian agriculture through the integration of artificial intelligence, mobile robotics, and embedded systems for automating specialized agricultural processes. The proposed system consists of an unmanned ground vehicle (UGV) capable of autonomous navigation between crop rows, equipped with a visual detection model based on the YOLO11 algorithm. This artificial vision system enables real-time identification of cape gooseberry fruits and classifies them into two categories: ripe or unripe, supporting the decision-making process for selective harvesting. The UGV integrates a set of navigation sensors, onboard cameras, and an embedded Jetson Orin Nano module responsible for executing the detection and control algorithms. Additionally, a four-degree-of-freedom robotic arm with a custom-designed gripper is incorporated to handle and cut the fruit efficiently without causing physical damage. The modular and low-cost architecture of the system allows adaptability to irregular agricultural terrains and potential scalability to other crops with similar characteristics. Consequently, the project seeks to reduce dependency on seasonal labor, optimize harvest time, and improve operational efficiency, thereby enhancing the competitiveness of the Peruvian agro-export sector. Overall, this development represents a significant step toward the implementation of intelligent precision agriculture solutions, fostering technological progress and sustainability in the national agricultural industry.