El área de Smart Farming se ha venido desarrollando en los últimos años buscando optimizar recursos, apoyar a los agrónomos y agricultores en el proceso del cultivo y recolectar información útil para entender y apoyar la toma de decisiones. Este campo utiliza varias tecnologías para lograr su objetivo, se utilizan sensores para la recolección de datos relevantes, servicios en la nube para el almacenamiento y procesamiento de estos datos, alguna forma de comunicar los resultados ya sea por un portal web, una aplicación móvil o mensajes de texto, entre otras. Hoy en día ya existen algunas soluciones de este tipo en el mercado y la investigación en este campo ha crecido. Sin embargo, las soluciones son muy costosas y no se pueden aplicar a cultivos pequeños o en países de bajos ingresos. De esta necesidad nació la idea de investigar y desarrollar una solución de muy bajo costo que se pueda aplicar en cultivos de agricultura familiar en Colombia.

En este trabajo se desarrolló una aplicación que permite hacer un conteo de flores y aguacates en cultivos de la variedad Hass por medio de imágenes de baja resolución, 2mp, obtenidas con un cámara de un muy bajo valor. Por medio de redes neuronales profundas se clasificaron dos clases, flores o aguacate, a partir de las imágenes. Con la arquitectura de YoloV5 se llegó a una precisión del 80% para la clase de aguacate y una precisión del 39% para las flores.

Con esta aplicación es posible hacer seguimiento y monitoreo a los árboles, esto permite tomar acciones tempranas para corregir mal crecimiento, hacer experimentos con nuevos tratamientos y evaluar los resultados y genera un historial importante de datos que eventualmente permitirá hacer predicciones del rendimiento.