Medición del área foliar en patata: cómo dimensionar una hoja compuesta con IA y visión artificial

Por qué la patata no es como otros cultivos

La mayoría de los flujos de trabajo de área foliar se diseñaron pensando en una hoja simple: un limbo, un pecíolo, un contorno. Algodón, albahaca, soja, especies de manglar — aplanas el limbo, lo fotografías, el software traza un único contorno cerrado y devuelve un área. Nuestra validación independiente de Petiole Pro frente al LI-COR 3100 en algodón es exactamente ese tipo de estudio, y alcanzó correlaciones de hasta r = 0,988 porque el objeto medido era inequívoco.

La patata no es ese objeto. Una hoja madura de patata es una estructura ramificada. A lo largo de su raquis se disponen folíolos primarios apareados que disminuyen de tamaño hacia la base, un único folíolo terminal dominante en el ápice y — según el cultivar — folíolos intersticiales secundarios y terciarios intercalados entre los primarios. El número de folíolos, su forma y la densidad de los intersticiales son caracteres varietales; forman parte de cómo se describen botánicamente las variedades de patata en primer lugar.

Esa estructura crea cuatro problemas de medición a la vez, y todos ellos son propios de los cultivos de hoja compuesta.

Ninguno de estos es un problema de software. Son problemas de definición, y el software no puede arreglar una definición que nunca hiciste. La buena noticia es que, una vez fijada la definición, la visión artificial maneja una hoja de patata casi tan bien como una simple — como muestran las cifras de confianza más abajo.

El problema de la unidad: ¿folíolo, hoja o planta?

Hay tres unidades defendibles para el área foliar de la patata, cada una responde a una pregunta distinta. Lo que no es defendible es derivar de una a otra dentro de un mismo conjunto de datos, o no decir cuál usaste.

1. El folíolo individual. El mayor rendimiento por fotografía, la segmentación más limpia y lo más fácil de estandarizar — el folíolo terminal de la hoja más joven plenamente desarrollada es un objeto bien definido y repetible. Es la unidad adecuada para fisiología foliar, muestreo de verdor y trabajo nutricional. Es la unidad equivocada para cualquier escalado al dosel, porque el número de folíolos varía entre cultivares y a lo largo del tallo.
2. La hoja compuesta completa. La unidad usada en el experimento 006. Capta la hoja entera tal como la construye la planta, incluidos los pequeños folíolos intersticiales que un protocolo de solo folíolos descarta, y es la unidad que escala a la planta por simple multiplicación con el número de hojas. Cuesta más tiempo de manipulación por muestra y exige separar los folíolos antes del disparo.
3. La planta entera o el dosel. La unidad que de verdad importa a la agronomía, porque el engorde del tubérculo depende de la luz interceptada. Se alcanza de forma destructiva — arrancar todas las hojas y medirlas — o combinando un área foliar media medida con un recuento de hojas, que es la vía no destructiva sobre la que se construye este artículo.

¿Cuál elegir? Si la pregunta termina en «por planta», «por m²» o «IAF», usa la hoja compuesta completa. Si termina en «por unidad de área foliar» — concentración de nitrógeno, índice de verdor, peso específico foliar, severidad de enfermedad — usa el folíolo, porque es en el folíolo donde la fisiología es uniforme. No promedies nunca cifras basadas en folíolos y en hojas dentro de una misma columna.

Experimento 006: 53 hojas en una tarde

El conjunto de datos que sostiene este artículo fue recogido en campo por un usuario de la aplicación móvil Petiole y procesado automáticamente en la plataforma web Petiole Pro. Se fotografiaron, segmentaron y midieron 53 hojas compuestas de patata bajo un único juego de parámetros, sin ajustes por imagen ni retoque manual de contornos.

Ordenar la cuadrícula por área hace visible la estructura de la muestra antes de calcular estadístico alguno. Las hojas mayores son anchas, oscuras y simétricas, con folíolos terminales amplios y series completas de laterales. Hacia abajo las hojas son más pequeñas, más pálidas, más cloróticas en los márgenes, y varias presentan manchas necróticas visibles y daños por alimentación. Ese gradiente es la clave: un dosel de patata contiene en cualquier momento hojas en todas las fases de esa secuencia a la vez.

Leer la distribución, no la media

Una media de 43,84 cm² es un hecho sobre esta muestra. Por sí sola resulta casi inútil, porque oculta justo lo que determina qué puedes concluir: cuánto varía el tamaño foliar de la patata dentro de un mismo dosel en un mismo momento.

Tres rasgos de esta distribución importan a quien diseñe un experimento en patata.

Es asimétrica a la derecha. La media se sitúa un 15 % por encima de la mediana. En un dosel, el área foliar se acumula hacia el extremo grande: las hojas de la parte media del tallo, plenamente desarrolladas, son varias veces mayores que las jóvenes del ápice y que las senescentes de la base. Cualquier estadístico que suponga simetría —una media con su desviación estándar, una prueba t sobre áreas brutas de una muestra pequeña— trabaja contra la forma de los datos. Publica la mediana con el rango intercuartílico junto a la media, y valora una transformación logarítmica antes de una prueba paramétrica.

La dispersión es enorme. Una desviación estándar de 19,04 cm² frente a una media de 43,84 cm² es un coeficiente de variación en torno al 43 %. A modo de comparación, eso es muy superior al error de medición de cualquier método razonable de área foliar. La variación que ves es la planta, no el instrumento — lo cual es una buena noticia para el instrumento y mala para quien espere comparar tratamientos con cinco hojas.

El perímetro se comporta de forma distinta al área. Este es un efecto de la hoja compuesta que conviene entender. En una hoja simple, perímetro y área se mueven juntos en una relación bastante estrecha. En una hoja de patata, el perímetro cuenta por separado el contorno de cada folíolo, así que una hoja con muchos intersticiales pequeños tiene un perímetro mucho mayor que una hoja de idéntica área con folíolos menos numerosos y más grandes. Eso convierte la relación área/perímetro en un descriptor barato y útil de la disección foliar — y convierte al perímetro en un mal indicador del tamaño en este cultivo.

En una hoja compuesta, el área te dice cuánto construyó la planta. El perímetro te dice cómo decidió repartirlo.

Qué significa una confianza de detección de 0,982

Cada medición automática del experimento 006 llevaba asociada una puntuación de confianza de detección: la propia valoración del modelo sobre lo limpiamente que separó el tejido foliar de todo lo demás. En las 53 hojas la media fue de 0,98226, la mediana de 0,984515, el percentil 25 de 0,98007 y el mínimo de 0,967025.

Lo que sí significa: la segmentación fue consistente. No hubo ningún subconjunto de imágenes en el que el modelo tuviera dificultades — ni hojas parciales, ni fondo colándose en el contorno, ni folíolos perdidos. Que el mínimo sea 0,967 y no, digamos, 0,61 es lo importante: en un lote, la peor confianza dice mucho más que la media, porque una sola hoja mal segmentada puede desplazar de forma apreciable la media de un tratamiento pequeño.

Lo que no significa: la confianza no es exactitud frente a un instrumento de referencia. Un modelo puede estar plenamente seguro de un contorno que ha trazado alrededor de una hoja cuyos folíolos se superponían, o de una fotografiada en ángulo, o de otra cuya referencia de calibración quedó parcialmente fuera de encuadre. La confianza mide si el pipeline encontró un objeto limpio. No puede medir si le diste el objeto correcto. Para eso está el protocolo de más abajo, y por eso la validación frente a un medidor de laboratorio — como en el estudio revisado por pares en algodón — es un ejercicio distinto de la puntuación de confianza por imagen.

Trata la confianza de detección como un filtro de calidad, no como un resultado. Fija un umbral antes de analizar —0,95 es un punto de partida razonable para capturas limpias sobre fondo negro—, aplícalo de forma idéntica a todos los grupos de tratamiento y publica cuántas hojas perdió cada uno. Un grupo que pierde muchas más imágenes que los demás tiene un problema de fotografía, no un resultado biológico.

¿Cuántas hojas de patata necesitas realmente?

Aquí es donde ese coeficiente de variación del 43 % deja de ser un estadístico y se convierte en un presupuesto. El tamaño de muestra en área foliar de patata no es cuestión de gusto: sale directamente de la dispersión medida más arriba.

Empecemos por la pregunta más sencilla: ¿con qué precisión acota una muestra dada la media? Con una desviación estándar de 19,04 cm², la semiamplitud de un intervalo de confianza del 95 % en torno a la media es 1,96 × 19,04 / √n.

Lee la primera fila con atención. Una muestra de cinco hojas de esta población produce una media cuyo intervalo del 95 % abarca casi el 80 % de su propio valor. No es una medición débil: no es una medición. Las 53 hojas del experimento 006 sitúan la media entre unos 38,7 y 49,0 cm², lo cual sirve para describir un dosel y sigue siendo demasiado grosero para detectar un efecto de tratamiento moderado.

Para comparar dos grupos, la aritmética es más dura. Con una potencia del 80 % y un nivel de significación del 5 %, las hojas necesarias por grupo para detectar una diferencia de un tamaño dado, con un coeficiente de variación del 43 %, son aproximadamente:

La lectura práctica: los efectos sutiles sobre el área foliar de la patata exigen cientos de hojas por tratamiento, y precisamente por eso la medición automatizada por imagen y procesada en lote cambia lo que es factible. Fotografiar 300 hojas es el trabajo de una tarde. Pasar 300 hojas por un medidor de laboratorio —después de separarlas todas de las plantas— es un proyecto de otra naturaleza, y además termina con la serie temporal.

Dos formas honestas de reducir la exigencia. Estandarizar la posición de la hoja: muestrear solo la hoja más joven plenamente desarrollada de cada planta elimina la mayor parte de la varianza debida al nudo y reduce sustancialmente el CV efectivo. Usar un diseño pareado: medir las mismas hojas marcadas antes y después de un tratamiento, o las mismas plantas en distintas fechas, elimina por completo de la comparación la variación entre hojas — y solo un método no destructivo te lo permite.

Del área foliar al índice de área foliar

El área foliar por hoja es una cifra de fenotipado. Lo que la agronomía quiere es el índice de área foliar (IAF) — metros cuadrados de hoja por metro cuadrado de suelo—, porque es lo que determina cuánta radiación incidente intercepta el cultivo, y la interceptación impulsa el engorde del tubérculo.

El puente es aritmético:

Aplicado a la media del experimento 006: una planta con 40 hojas compuestas de 43,84 cm² cada una tiene unos 1.754 cm² — aproximadamente 0,18 m² — de hoja. Con una densidad de campo típica de unas cuatro plantas por m², eso da un IAF de aproximadamente 0,70. Más adelante en la campaña, con 60 hojas por planta y un promedio más cercano a los 89 cm² del extremo superior de esta muestra, la misma aritmética da un IAF superior a 2.

Esa trayectoria es la medición. Un valor único de IAF es una instantánea; la curva del IAF a lo largo de la campaña —con qué rapidez cierra el dosel, hasta dónde llega su máximo y, sobre todo, cuánto tiempo se mantiene ahí antes de la senescencia— es lo que separa un cultivo de patata de alto rendimiento de uno mediocre. La duración del dosel solo puede medirse volviendo a las mismas plantas, que es el argumento a favor de la medición no destructiva en una sola frase.

Dos cautelas sobre esta aritmética. Hay que contar las hojas por planta, y contarlas con exactitud en un dosel cerrado de patata es genuinamente difícil: espera que esa sea la mayor fuente de error, no el área foliar. Y el área foliar media empleada debe proceder de una muestra debidamente estratificada a lo largo del tallo, no de las hojas que resultaban más accesibles, o la multiplicación propaga un sesgo de muestreo directamente al IAF.

Para qué sirve realmente el área foliar de la patata

El área foliar rara vez es el objetivo final. Es una variable intermedia por la que pasan preguntas muy distintas.

Las filas del mildiu y del escarabajo merecen una nota, porque cambian lo que estás midiendo. Una hoja con agujeros de alimentación y lesiones necróticas devuelve un área menor que la misma hoja sin daño: el tejido que falta falta realmente en la proyección. Ese es el comportamiento correcto si tu pregunta es «cuánto dosel funcional queda», y es un factor de confusión si tu pregunta es «cuánto creció esta hoja». Varias hojas de la mitad inferior de la cuadrícula del experimento 006 presentan exactamente ese daño. Si necesitas separar ambas preguntas, combina la medición de área con una evaluación explícita del daño — nuestra guía sobre la evaluación del área foliar necrótica con IA cubre ese flujo de trabajo.

Un protocolo de campo para patata

Todo lo anterior se condensa en una secuencia repetible. Este es el protocolo que siguió el experimento 006, con las decisiones específicas de la patata hechas explícitas.

1. Declara la unidad. Hoja compuesta completa o folíolo individual. Escríbelo en el fichero de método antes de ir al campo. No lo cambies a mitad de campaña, a mitad de ensayo ni a mitad de nada.
2. Declara la posición de la hoja. La hoja más joven plenamente desarrollada es la elección estándar, porque es identificable en cualquier planta con independencia de su tamaño o estado de desarrollo. Fijar la posición es la reducción de varianza más barata a tu alcance.
3. Lleva la referencia de calibración. Las hojas de patata se fotografían a corta distancia dentro de un dosel donde la distancia de trabajo cambia constantemente. La placa es lo que convierte píxeles en cm²: merece la pena leer por qué la placa de calibración no es opcional si te tienta saltártela.
4. Separa o sostén, pero decide cuál. Petiole Pro mide las hojas colocadas sobre la placa. Tanto si separas la hoja como si llevas la placa hasta ella, hazlo siempre igual: una hoja sostenida in situ y una hoja separada y aplanada no se disponen del mismo modo.
5. Separa los folíolos. El paso específico de la patata. Extiende la hoja de modo que ningún folíolo se superponga a otro ni se pliegue sobre sí mismo. La superposición es la mayor fuente evitable de subestimación en este cultivo.
6. Aplana. Presiona contra la placa los folíolos acopados o enrollados. Los folíolos de patata se acopan bajo estrés hídrico y calor, y un folíolo acopado pierde área proyectada por razones que nada tienen que ver con cuánto creció.
7. Dispara perpendicular y con luz difusa. Cámara paralela a la placa, placa entera en el encuadre, a la sombra o con cielo cubierto en lugar de sol directo. El follaje de la patata es pubescente y produce brillos especulares que se comen el borde segmentado.
8. Muestrea para la distribución. Usa la tabla de tamaño de muestra de más arriba. Replica entre plantas y parcelas, no entre hojas de una misma planta: las hojas del mismo tallo no son observaciones independientes.
9. Procesa en lote con un único juego de parámetros. Todas las imágenes del estudio por el mismo pipeline, sin ajustes por imagen. Es lo que hace justa la comparación entre grupos.
10. Aplica el filtro de confianza. Filtra por confianza de detección con un umbral declarado de antemano y registra las exclusiones por grupo.
11. Publica mediana, RIC, n y unidad. No solo la media. Un resultado de área foliar en patata sin la dispersión y sin la definición de la unidad no puede interpretarlo nadie, tú incluido dentro de seis meses.

Siete errores propios de la patata

1. Llamar hoja a un folíolo. El mayor error de todos. Un folíolo terminal puede tener 15 cm² cuando la hoja entera tiene 45 cm². Los conjuntos de datos que mezclan ambos son irrecuperables a posteriori, porque nada en las cifras indica qué filas son cuáles.
2. Muestrear las hojas que resultan cómodas. El rango de 13,63 a 89,18 cm² del experimento 006 se debe sobre todo a la posición del nudo y a la edad de la hoja. Muestrear las hojas exteriores y accesibles de un dosel sobrerrepresenta sistemáticamente una parte de ese rango.
3. Dejar que los folíolos se superpongan. Los píxeles compartidos se cuentan una sola vez. Una hoja fotografiada con dos folíolos en contacto se mide más pequeña de lo que es, y el error es invisible en la salida: la segmentación parece perfecta.
4. Ignorar el acopamiento de los folíolos. Bajo calor o estrés hídrico, los folíolos de patata se curvan hacia arriba. Si los fotografías curvados, registras una respuesta al estrés como si fuera una diferencia de tamaño, y no son la misma variable.
5. Ser inconsistente con el raquis. Que el raquis verde y los peciólulos queden dentro o fuera del contorno cambia el área total en un pequeño porcentaje — poco, pero del mismo orden que los efectos de tratamiento que se intentan detectar. Importa más la consistencia que cuál de las dos opciones elijas.
6. Promediar hojas dañadas y sanas sin decirlo. Las lesiones de mildiu y la alimentación del escarabajo eliminan área real. Eso pertenece a un análisis de pérdida de dosel, no al interior silencioso de una media de crecimiento.
7. Disparar a pleno sol. El follaje de la patata es velloso y brillante bajo luz intensa. Los brillos especulares desplazan el borde segmentado hacia dentro, y el sesgo resultante es sistemático en toda la sesión — lo que lo hace mucho más peligroso que el ruido aleatorio.

Cómo hacerlo en Petiole Pro

El flujo de trabajo del experimento 006 fue deliberadamente ordinario: un usuario fotografió hojas en el campo con un teléfono y las imágenes se procesaron en lote en la plataforma web Petiole Pro. Ninguna imagen se corrigió a mano. Lo que hizo utilizable la salida no fue una herramienta exótica, sino tres propiedades del pipeline.

1. Unidades reales a partir de una referencia en el encuadre. La placa de calibración visible en la fotografía de campo que abre este artículo lleva los marcadores fiduciales que fijan la escala, de modo que una hoja fotografiada con el brazo extendido y otra fotografiada de cerca devuelven áreas comparables.
2. Una puntuación de calidad asociada a cada medición. La confianza de detección viaja con cada fila, así que el filtro de calidad es un filtro sobre el conjunto de datos y no un juicio caso por caso sobre imágenes individuales.
3. Procesamiento en lote con un único juego de parámetros. Cincuenta y tres hojas —o quinientas— con la misma configuración, exportadas como filas etiquetadas y filtrables con área, perímetro y confianza por hoja.

La misma captura sirve también para el trabajo de color: si el estado nitrogenado del dosel forma parte de la pregunta, los índices de verdor calculados sobre esas mismas fotografías aportan una segunda variable sin trabajo de campo adicional. Nuestra guía de campo para medir el verdor con DGCI cubre esa parte del flujo de trabajo.

Límites honestos

Cuatro cosas que este método no hace, dichas con claridad.

Mide área proyectada, no superficie real. Como todo método basado en imagen. En una hoja aplanada sobre una placa ambas son parecidas; en una hoja con folíolos permanentemente curvados no lo son, y la diferencia es real, no un fallo. Si tu pregunta trata de la superficie real —por ejemplo, física de la capa límite—, la proyección es la medición equivocada.

No cuenta las hojas por ti. Escalar a IAF exige hojas por planta, y en un dosel cerrado de patata ese recuento es la más difícil de las dos mediciones. Presupuesta el error ahí, no en el área foliar.

La confianza no es exactitud. El experimento 006 demuestra una segmentación consistente en 53 hojas. No es una validación frente a un medidor de área foliar de laboratorio en patata; eso es un estudio aparte, con un diseño aparte, del tipo publicado en algodón.

Una sesión es una sesión. Estas 53 hojas proceden de una sola recogida en una sola fecha. Describen el aspecto que tiene la variación del tamaño foliar de la patata en ese dosel — suficiente para dimensionar una muestra y diseñar un protocolo, no para servir de valor de referencia del cultivo. La línea base que merece la pena medir es la tuya.