IA para medir el área foliar del algodón: cómo Petiole Pro igualó al LI-COR 3100 en un estudio independiente

El estudio de un vistazo

El artículo —«Use of mobile applications for determining the leaf area of cotton plants», de Duarte y colaboradores— apareció en Nativa: Pesquisas Agrárias e Ambientais (v. 14, n.º 1, e20143, 2026). Se envió en julio de 2025 y se publicó en marzo de 2026 con DOI abierto. El equipo autor se propuso responder a una pregunta práctica: ¿puede una aplicación de móvil medir el área foliar del algodón con la misma fiabilidad que un instrumento de laboratorio específico?

El experimento se desarrolló en un invernadero de la Universidad Federal de Rondonópolis (Mato Grosso, Brasil) de junio a octubre de 2023. Se cultivaron cuatro cultivares comerciales de algodón y el área foliar se midió semanalmente a partir de los 30 días tras la siembra: 85 hojas por cultivar, cada una medida con cuatro métodos distintos, lo que dio un conjunto de datos amplio y comparable en lugar de un puñado de hojas escogidas.

Por qué merece la pena medir el área foliar del algodón

El área foliar está muy cerca del centro de cómo vive una planta. Determina cuánta luz solar intercepta el dosel, condiciona la capacidad fotosintética y la producción de fotoasimilados, y es uno de los primeros rasgos en responder cuando la planta sufre estrés por agua, nutrientes, calor, plagas o enfermedades. En un cultivo de materia prima como el algodón, producido a gran escala y con márgenes ajustados, seguir el área foliar es una ventana directa al comportamiento de la planta.

La dificultad está en cómo medirla. La vía tradicional es destructiva: cortar la hoja, llevarla al laboratorio y pasarla por un instrumento de sobremesa como el LI-COR 3100. Eso da una cifra exacta, pero mata la hoja, así que nunca se podrá volver a medir esa misma hoja, y de paso altera el balance de carbohidratos de la planta. Un método no destructivo que deje la planta intacta permite seguir la misma hoja durante todo un ciclo de cultivo.

Por eso importa este estudio. Si una aplicación de móvil es lo bastante exacta como para confiar en ella, el seguimiento del área foliar deja de ser una tarea de laboratorio destructiva y de una sola vez para convertirse en una medición de campo repetible: de las que se pueden hacer cada semana sobre la planta viva.

Cómo se probó cada método

El equipo comparó cuatro formas de obtener el área de una hoja de algodón, usando las mismas hojas en todas:

• Aplicación Petiole Pro: medición por fotografía tomada con un teléfono Android, calibrada con las imágenes de referencia de la aplicación.
• Aplicación LeafArea: una segunda aplicación móvil, que exige medir e introducir a mano la longitud de cada hoja para fijar la escala.
• Dimensiones manuales: área foliar estimada a partir de longitud × anchura × un factor de corrección (AF = A × L × f).
• LI-COR 3100: el medidor de área foliar de laboratorio de sobremesa, adoptado como patrón de referencia frente al que se validaron los otros tres.

Para las mediciones con Petiole Pro, el equipo siguió el flujo de trabajo propio de la aplicación: calibró primero la escala de área, colocó la cámara perpendicular a una mesa de altura fija y situó cada hoja sobre una lámina de fondo blanco para aumentar el contraste entre hoja y superficie antes de que la aplicación cuantificara el área automáticamente.

Ese fondo blanco y esa geometría fija no son detalles quisquillosos: son la base misma de una lectura fiable. La misma disciplina se aplica tanto en un invernadero como en el campo, y por eso hemos escrito una guía aparte sobre cómo fotografiar hojas para medir el área foliar con precisión.

Después se cortó cada hoja y se envió al laboratorio para la medición de referencia en el LI-COR 3100. Con cuatro cifras para cada una de las 340 hojas, el equipo pudo puntuar todos los métodos con una batería de índices estadísticos: correlación, error, eficiencia, concordancia y una calificación compuesta de desempeño.

Qué mostraron los resultados

El titular es sencillo: Petiole Pro dio las estimaciones de área foliar más exactas en tres de los cuatro cultivares —TMG44B2RF, IMA5801B2RF y FM985GLTP— y fue clasificado como «excelente» en todos ellos. En el cuarto cultivar, BASF – FM 944GL, el método manual de longitud y anchura se impuso por poco, aunque Petiole obtuvo igualmente una calificación de excelente. La aplicación competidora LeafArea fue de forma consistente el método más débil.

*En BASF – FM 944GL, el método manual de longitud × anchura × factor de corrección fue el más eficaz, con Petiole muy cerca. Valores de Duarte et al. (2026), tablas 1–4 y figuras 1–4.

Basta con leer los diagramas de dispersión para ver el patrón. Cuando un método sigue perfectamente a la referencia LI-COR, sus puntos caen sobre la diagonal. Los puntos de Petiole se ciñen mucho a esa línea; los de LeafArea se dispersan bastante más.

Qué significa «excelente» en los estadísticos

Un único número de correlación se sobreinterpreta con facilidad, así que el estudio se apoyó en todo un panel de índices, y vale la pena saber qué dice cada uno, porque juntos son los que convierten «la aplicación pinta bien» en «la aplicación está validada».

• Correlación de Pearson (r): con qué fuerza acompañan las cifras de la aplicación a las de la referencia. Petiole alcanzó r = 0,988 en TMG44B2RF, muy cerca del 1,0 perfecto.
• Coeficiente de determinación (r²): la proporción de variación que explica la aplicación. Petiole llegó a r² = 0,976; LeafArea bajó hasta 0,437.
• RMSE y MAE (error): cuánto se desvían las estimaciones de media. Los de Petiole fueron los más pequeños de los métodos probados.
• Eficiencia del método (ME) e índice de concordancia (d): si el método reproduce el patrón de la referencia y no solo su tendencia. Petiole alcanzó d = 0,999.
• Índice de confianza (c): una combinación de correlación y concordancia, situada en una escala con etiquetas por Camargo y Sentelhas (1997). El de Petiole cayó en la banda «excelente»; el de LeafArea osciló entre «medio» y «muy bueno».

Ningún índice por sí solo decidió el veredicto. Petiole obtuvo la mejor clasificación porque fue sólido en todos a la vez —correlación alta, error bajo, eficiencia alta y concordancia alta—, un listón mucho más difícil de superar que un r vistoso por sí mismo.

Del laboratorio al campo

Lo más interesante de este resultado no es la clasificación. Es lo que desbloquea un método exacto y no destructivo. Como nunca se corta la hoja, se puede medir la misma hoja de algodón la semana que viene, y la siguiente, convirtiendo una instantánea única en una curva de crecimiento.

Es justo ese tipo de medición repetida el que permite a quienes investigan y asesoran ver cómo responde una planta de algodón a los factores que realmente marcan una campaña:

• fertilización y gestión de nutrientes;
• riego y disponibilidad de agua;
• clima y estrés térmico;
• presión de plagas y enfermedades;
• y las decisiones de manejo que se toman en respuesta a todo lo anterior.

También baja la barrera de entrada. Un LI-COR 3100 es exacto, pero caro y confinado al laboratorio; un teléfono ya está en el bolsillo. En regiones donde el acceso a equipamiento de laboratorio es limitado —buena parte del cinturón algodonero mundial incluida—, una aplicación validada no es un apaño: es la diferencia entre medir y no medir en absoluto. El mismo giro hacia medir la salud vegetal directamente sobre la planta viva recorre nuestro trabajo sobre la evaluación con IA del daño foliar necrótico, y sustenta el papel más amplio de Petiole Pro como herramienta de fenotipado vegetal en el propio dispositivo.

Mida usted mismo el área foliar del algodón

No hace falta un ensayo en invernadero para reproducir el método que usó el equipo investigador. La aplicación gratuita Petiole Pro ejecuta la misma medición en el dispositivo, y el flujo de trabajo es deliberadamente sencillo.

1. Calibre. Coloque la hoja sobre una placa de calibración Petiole Pro, o fije la escala de área con las imágenes de referencia de la aplicación, para que los píxeles se conviertan en cm² reales.
2. Fotografíe. Dispare perpendicular a la hoja, aplanada sobre un fondo liso y de alto contraste; la lámina blanca que usó el equipo funciona bien.
3. Analice. La aplicación segmenta la hoja del fondo y devuelve su área y perímetro en unidades reales, en el teléfono y en segundos.
4. Repita con periodicidad. Como no se destruye nada, vuelva a medir la misma hoja cada semana para construir una curva en vez de un solo punto.

Este es el resultado del análisis foliar en hojas reales, cada una segmentada limpiamente de su fondo y con el área y el perímetro indicados directamente:

Si necesita o no la placa de calibración depende de qué mida y cómo; tratamos esa decisión en detalle en ¿necesito una placa de calibración para Petiole Pro?

Límites honestos y buenas prácticas

Una herramienta validada no es una herramienta mágica, y el estudio es refrescantemente franco al respecto. Los métodos digitales no destructivos siguen necesitando calibración y validación para cada especie, y algunas imágenes exigen un ajuste manual antes de que la segmentación sea correcta. El resultado del cultivar en el que la aplicación quedó segunda, BASF – FM 944GL, recuerda que la morfología foliar varía y que ningún método es el mejor para todo.

Las reglas prácticas que se derivan del artículo —y de años midiendo hojas con la aplicación— merecen tenerse presentes:

• La iluminación, el fondo y la planitud de la hoja importan. Un fondo liso y de alto contraste y una luz uniforme son lo que da limpieza a la segmentación.
• Calibre si quiere cifras absolutas. Los porcentajes solo necesitan una fotografía; los cm² reales necesitan una escala conocida en el encuadre.
• Valide para su cultivo. Una aplicación probada en algodón no está automáticamente probada en su especie: compárela con una referencia la primera vez.
• Cuente con algún retoque manual ocasional. Bordes rotos, lóbulos superpuestos y formas complicadas necesitan a veces corregir el contorno.

Así es como debería crecer la IA práctica en la agricultura: no como una caja negra, sino como una herramienta probada, comparada abiertamente con métodos de referencia fiables y usada con criterio.

La historia detrás del estudio

La fundadora de Petiole Pro, la Dra. Maryna Kuzmenko, compartió el resultado en LinkedIn, no para celebrar una clasificación, sino porque la validación académica independiente frente a una referencia de laboratorio es la forma más sólida de confianza que puede ganarse una herramienta de medición. «La exactitud primero» ha sido el lema de la aplicación desde el principio.

Forma parte de una conversación más amplia que mantiene el equipo sobre la IA en la agricultura, desde el fenotipado foliar hasta los agentes de IA que algún día actuarán automáticamente sobre este tipo de datos.