Medición del verdor con índices digitales para el seguimiento de la salud vegetal: guía práctica de DGCI, TGI y AGRI en Petiole Pro

Por qué el verdor es una señal de salud vegetal

Una hoja es verde porque la clorofila absorbe con fuerza en las zonas azul y roja del espectro visible y refleja en el verde. Cuando una planta está bien nutrida y sin estrés, la concentración de clorofila es alta, la absorción en rojo y azul es intensa y la hoja se ve de un verde oscuro, profundo y saturado. Cuando escasea el nitrógeno, cuando la zona radicular se encharca, cuando se instala una enfermedad o cuando una hoja empieza a senescer, la clorofila se degrada primero, y la hoja deriva hacia el verde amarillento, luego al amarillo y después al marrón.

Como el nitrógeno es un componente estructural importante de la clorofila y de la maquinaria enzimática de la fotosíntesis, el verdor foliar es un indicador indirecto del estado nitrogenado bien asentado. Esa es la lógica del medidor SPAD, de las cartas de color foliar que se usan en la producción de arroz y de toda la familia de índices RGB de vegetación. El verdor resulta atractivo precisamente porque es una señal temprana: el color cambia antes de que la pérdida de biomasa sea visible, y mucho antes de que se resienta el rendimiento.

Un verdor cuantificado sirve para varias tareas concretas:

• Gestión del nitrógeno. Comparar el verdor entre franjas tratadas y de referencia ayuda a decidir el momento y la dosis de una cobertera en lugar de aplicar por calendario.
• Detección de estrés y cribado. En mejora genética y ensayos de variedades, el verdor bajo estrés es un rasgo de cribado habitual, y hay que puntuarlo de forma consistente en cientos de parcelas.
• Fenotipado de senescencia y del rasgo «stay-green». Seguir con qué rapidez decae el verdor durante el llenado del grano es una medida directa de ese rasgo.
• Evaluación de enfermedades y daños. La clorosis suele ser el primer síntoma visible; cuantificarla complementa las medidas basadas en área, como la evaluación del área foliar necrótica.
• Control de calidad tras la cosecha. En cultivos de hoja y ornamentales, el color es la categoría comercial.

Por qué evaluar el verdor foliar es realmente difícil

Si el verdor es una señal tan útil, ¿por qué se describe tan a menudo en lugar de medirse? Porque casi todo lo que hay entre la hoja y el número es una fuente de error.

1. El ojo humano es un comparador, no un sensor

La visión cromática humana es excelente juzgando que esta hoja es más verde que aquella, una al lado de la otra, y mala asignando un valor absoluto. La constancia del color —el mecanismo que hace que una hoja de papel blanca siga pareciendo blanca dentro y fuera de casa— elimina activamente la información de iluminación que una medición necesita. Dos personas puntuando la misma parcela en una escala visual de 1 a 9 discrepan con frecuencia, y la misma persona discrepa consigo misma una semana después.

2. La iluminación lo cambia todo

La misma hoja fotografiada a pleno sol de mediodía, bajo cielo cubierto, a la sombra abierta y bajo LED de invernadero produce cuatro tripletes RGB distintos. La temperatura de color desplaza el equilibrio entre canales; la intensidad desplaza el brillo; los bordes de las nubes desplazan ambas cosas dentro de una misma sesión. Sin una corrección, una «tendencia de verdor» puede ser fácilmente una tendencia meteorológica.

3. Las cámaras no son instrumentos calibrados

Las cámaras de móvil aplican balance de blancos automático, exposición automática, curvas tonales, refuerzos de saturación y un procesamiento computacional cada vez más agresivo, diseñado para que las fotos resulten agradables, no para preservar la verdad radiométrica. Dos modelos de teléfono apuntando a la misma hoja discreparán. Y también el mismo teléfono en dos modos distintos. Cualquier proceso de verdor creíble tiene que anclar el color a una referencia conocida presente en el encuadre.

4. Las hojas son tridimensionales y brillantes

Las hojas se curvan, se acopan y se inclinan. Una hoja curva presenta parte de su superficie en ángulo respecto a la luz, lo que produce un gradiente de brillo que nada tiene que ver con la clorofila. Las cutículas cerosas generan reflejos especulares: manchas blancas quemadas donde la información de color sencillamente ha desaparecido. Nervios, nervadura central y pelos añaden más estructura.

5. Fondos, sombras y píxeles mezclados

El suelo, el acolchado, las manos, las bandejas y las hojas vecinas se cuelan en una medición ingenua. Los píxeles del borde de la hoja son mezclas de hoja y fondo. Las sombras proyectadas sobre una hoja la oscurecen sin cambiar su pigmento. Obtener un valor de verdor limpio exige primero una segmentación limpia, y ahí es donde la visión artificial se gana su sitio.

6. Una hoja no tiene un solo color

Quizá la dificultad más infravalorada: el verdor no es uniforme en toda la hoja. La clorosis internerval, la quemadura de bordes, la muerte apical y el sombreado crean gradientes dentro de la hoja. Reducir una hoja a una sola media puede ocultar precisamente el patrón que lleva el diagnóstico, y por eso importan los mapas de índice píxel a píxel y los estadísticos resumen robustos (medianas, no solo medias).

7. Rendimiento de trabajo

Por último, la estadística. Una hoja no dice casi nada; un ensayo necesita de decenas a cientos de muestras por tratamiento. Cualquier método que tarde minutos por hoja no sobrevivirá al contacto con un experimento real, y por eso el procesamiento por lotes no es una comodidad, sino un requisito metodológico.

Medir el verdor no es un problema de color. Es un problema de segmentación, un problema de calibración y un problema de volumen de trabajo; y solo después, un problema de color.

Índices digitales de verdor: DGCI, TGI y AGRI

Un índice digital de verdor es una fórmula que reduce el color de un píxel —o de toda una hoja segmentada— a un único escalar que sigue la clorofila o el «verdor». Petiole Pro calcula tres en cada detección, porque cada uno mira la imagen desde un ángulo distinto.

DGCI, índice de color verde oscuro

El DGCI deriva del espacio de color HSB/HSV —tono, saturación y brillo— y no de los canales RGB brutos. Conceptualmente premia a un píxel por ser el tipo correcto de verde (tono), por ser un verde vivo y no deslavado (saturación) y por ser oscuro y no pálido (brillo bajo). Está normalizado en una escala de 0 a 1, donde los valores más altos indican un verde más oscuro y rico, normalmente con más clorofila y más nitrógeno.

Trabajar en HSV es la principal ventaja del DGCI: separar el tono del brillo hace que un cambio en la intensidad de la iluminación mueva sobre todo una componente en lugar de repartirse entre los tres canales RGB. Por eso el DGCI es el índice más usado en la ciencia del césped y en la investigación sobre nitrógeno, y por eso muestra una fuerte relación lineal con las lecturas de los medidores de clorofila SPAD. Nuestra guía de campo específica para medir el verdor foliar con DGCI en Petiole Pro cubre en detalle el flujo de trabajo con la placa de calibración que hay detrás.

TGI, índice triangular de verdor

El TGI trabaja directamente sobre las bandas roja, verde y azul. Estima el área del triángulo que forman las reflectancias de las tres bandas representadas frente a la longitud de onda: un atajo geométrico para saber con cuánta fuerza absorbe la clorofila en el rojo y el azul en relación con el pico del verde. Como usa valores de banda brutos en lugar de un espacio normalizado perceptualmente, el TGI es genuinamente sensible al contenido de clorofila, e igual de sensible a cualquier otra cosa que desplace las bandas: exposición, balance de blancos, reflejos y sombra.

AGRI, índice relativo de verde avanzado

El AGRI es un índice de vegetación RGB personalizado que se usa dentro del proceso de Petiole Pro. Como el TGI, se construye a partir de las bandas visibles, pero está ajustado a las condiciones concretas de la imagen de móvil de hoja única y a corta distancia, y no a la imagen de dosel o aérea. Su papel en el flujo de trabajo es corroborativo: una tercera vista independiente de los mismos píxeles.

Cómo se comparan los tres

Por qué un solo índice no basta

Resulta tentador elegir un único índice, citarlo y seguir adelante. El análisis de este conjunto de datos por el laboratorio de I+D de Petiole ofrece un argumento sólido contra ese atajo.

En las 272 regiones foliares detectadas, el TGI y el DGCI mostraron una correlación negativa moderada de en torno a r ≈ −0,60 (R² ≈ 0,36). Que dos índices que dicen medir «verdor» concuerden solo débilmente —y en direcciones opuestas— no es una contradicción. Es el resultado esperable de dos fórmulas que responden a características de imagen distintas: el DGCI al tono y la oscuridad perceptuales, y el TGI a la geometría de bandas bruta, que absorbe también los efectos de exposición y reflejo. Aproximadamente dos tercios de la varianza de un índice no los explica el otro.

La consecuencia práctica es que los índices son complementarios, no redundantes. Donde coinciden, la confianza es alta. Donde divergen, hay algo en la imagen —un reflejo, una sombra, una exposición inusual— que merece una mirada. Esa divergencia es información, y solo está disponible si se calcula más de un índice.

Fíjese en las formas tanto como en las correlaciones. Las medianas de píxel del DGCI se agrupan en un pico bien formado con una cola modesta. Las del TGI se acumulan en valores bajos pero se estiran hasta varias veces el valor modal: la larga cola de valores atípicos que da al TGI su sensibilidad y su fragilidad. El AGRI, de nuevo, opera en un rango numérico mucho más estrecho. Tres distribuciones distintas, tres modos de fallo distintos, un solo conjunto de datos.

Calidad de la medición: la proporción de píxeles válidos

Todo número de verdor lleva implícita una pregunta: ¿qué parte de esta hoja ha medido realmente? Los reflejos especulares, la sombra profunda, el desenfoque de movimiento y los píxeles de borde producen píxeles que hay que excluir. La proporción de píxeles válidos es la fracción de píxeles dentro de una región foliar detectada que sobrevivió a ese filtrado y contribuyó al índice.

En este conjunto de datos, la proporción de píxeles válidos tuvo una mediana de alrededor de 0,63 y una media de en torno a 0,61, con un recorrido aproximado de 0,38 en la peor detección a 0,75 en la mejor, y la mitad central de las detecciones entre unos 0,57 y 0,66. En términos llanos: en una hoja típica, aproximadamente dos de cada tres píxeles contribuyeron al valor de verdor, y las imágenes más flojas aportaron poco más de uno de cada tres.

Esa cola izquierda es la clave. Una hoja medida sobre el 40 % de sus píxeles y otra medida sobre el 75 % no deberían pesar igual en la media de un tratamiento, pero pesarán lo mismo si no se filtra. Esta es la diferencia entre una media simplemente calculada y una media defendible.

La receta recomendada para producción tiene, por tanto, tres pasos: calcular el índice de verdor; aplicar un filtro de calidad de medición basado en la proporción de píxeles válidos; y marcar los valores extremos de TGI para revisión humana. Cuesta casi nada implementarlo y es el factor que más determina si un conjunto de datos de verdor resistirá el escrutinio.

Un ejemplo resuelto: 272 hojas, tres índices

Las cifras resultan más fiables cuando todo el proceso está a la vista. Este conjunto de datos lo recogió una persona usuaria de la aplicación móvil Petiole y lo procesó automáticamente la plataforma Petiole Pro como experimento n.º 005, con fecha de 14 de agosto de 2026.

El estudio abarcó 78 imágenes originales de las que se detectaron 272 regiones foliares, con TGI, DGCI y AGRI calculados en cada una de las detecciones: 816 valores de índice en total, más una proporción de píxeles válidos para cada región. Esa es la escala a la que el verdor deja de ser anecdótico: réplicas suficientes para ver una distribución y metadatos de calidad suficientes para saber de qué réplicas fiarse.

Fíjese en la relación entre detecciones e imágenes: 272 regiones a partir de 78 fotografías, una media de unas tres hojas y media por encuadre. Varias hojas por fotografía multiplican notablemente el rendimiento: significa que una sesión de campo de menos de cien fotos da un tamaño muestral que llevaría días construir hoja a hoja con un instrumento de sobremesa.

Cómo leer un mapa de calor de verdor

Un único número por hoja es el resultado que casi todo el mundo quiere. Pero el producto intermedio —un mapa de índice píxel a píxel— es donde se esconde el valor diagnóstico.

Recorra esa cuadrícula y los patrones internos saltan a la vista: la nervadura central y los nervios principales trazan caminos definidos en el mapa, algunas hojas muestran un campo bastante uniforme mientras otras se dividen entre una región oscura y de valor alto y otra pálida y de valor bajo, y los efectos de borde aparecen como finas orlas de otro color. Una hoja cuya media quede en el centro de la distribución puede ser uniformemente mediocre o mitad sana y mitad clorótica: dos historias agronómicas completamente distintas que una sola media no puede diferenciar.

Esta es también la razón de que se informe la mediana de los valores de píxel y no solo la media. Una mediana resiste el tirón de un pequeño reflejo quemado o de una esquina en sombra, de modo que el estadístico resumen se mantiene anclado al grueso del tejido foliar y no a sus peores píxeles.

El informe completo de visión artificial

A continuación se incrusta el análisis completo del laboratorio de I+D de Petiole que sustenta este artículo: el resumen del conjunto de datos, las definiciones de cada índice, los hallazgos de correlación, la distribución de la proporción de píxeles válidos y la recomendación para producción. Es el registro autorizado de cada cifra citada aquí, y está redactado en inglés.

Medir el verdor con la aplicación móvil Petiole Pro

Todo lo anterior es teoría hasta que alguien está en un campo con un teléfono. En el móvil, Petiole Pro comprime todo el proceso —capturar, calibrar, segmentar, indexar— en un flujo que lleva segundos por hoja y no destruye nada.

El flujo de medición

1. Coloque la hoja sobre la placa de calibración. La placa de calibración de verdor lleva marcadores ArUco que permiten a la aplicación recuperar el ángulo y la distancia de cámara, más referencias de color verde que anclan la medición a la iluminación del momento. Eso es lo que hace comparable una lectura tomada esta mañana con otra tomada el mes que viene con otro teléfono.
2. Dispare a su propia sombra. La luz solar directa es la causa más común de una mala lectura de verdor: quema los reflejos de la cutícula y destruye la información de color. La luz difusa, o su propia sombra proyectada sobre la placa, es el estándar de campo.
3. Mantenga toda la placa en el encuadre y el objetivo limpio. Todos los marcadores deben verse para que funcione la corrección geométrica, y un objetivo manchado desplaza el color en silencio en toda la imagen.
4. Deje que la aplicación segmente y puntúe. La visión artificial separa la hoja de la placa y del fondo, filtra los píxeles no válidos y calcula los índices de verdor sobre lo que queda.
5. Lea, guarde y repita. El valor se almacena junto a la muestra, de modo que la siguiente lectura construya una serie temporal en lugar de sustituir a la anterior.

Como el método es no destructivo, la misma hoja de la misma planta puede medirse semana tras semana, que es lo que convierte el verdor de una instantánea en una trayectoria. La disciplina general de captura es la misma que tratamos en nuestra guía sobre cómo fotografiar hojas para medir con precisión en el campo, y la placa está disponible en la tienda de Petiole Pro.

Un flujo, varios rasgos: la misma fotografía calibrada que da el verdor da también el área foliar, así que una sola sesión de captura puede rellenar las dos columnas de su conjunto de datos.

Procesar el verdor por lotes en Petiole Pro Desktop

El móvil resuelve la captura. No resuelve el momento —familiar para cualquiera que haya llevado un ensayo— en el que cuatrocientas fotografías están en una carpeta y todas tienen que convertirse en una fila de una hoja de cálculo. Ese es el trabajo para el que existe Petiole Pro Desktop.

Qué cambia realmente el procesamiento por lotes

• Carpetas enteras en una sola operación. Apunte la aplicación de escritorio a una carpeta de imágenes de hojas y procesará el conjunto en lugar de una foto cada vez. En un estudio de verdor donde 78 fotos producen 272 detecciones, esto es la diferencia entre una tarde y una pausa para el café.
• Muchos objetos por foto, automáticamente. Cada hoja detectada se convierte en su propio objeto, con su identificador y sus valores medidos. Usted fotografía una bandeja de hojas; recibe una tabla de hojas.
• Todos los índices en todos los objetos, de forma consistente. Se aplican el mismo método calibrado y las mismas reglas de filtrado a cada imagen del lote. La consistencia en un conjunto de datos no depende de la disciplina de quien opera: la impone el proceso.
• Proyectos estructurados, no archivos sueltos. El trabajo se organiza en carpetas, fotos, objetos y galerías, con la fotografía de origen siempre a un clic de la medición derivada. Cuando un valor parece raro, se puede ver la imagen que lo produjo.
• Control de calidad visual de un vistazo. Una galería de cientos de objetos segmentados, cada uno con su valor, es el detector de anomalías más rápido que existe: una mala segmentación o una hoja mal iluminada se ve al desplazarse, no enterrada en la fila 217 de un CSV.
• Paginación que escala. La interfaz maneja cientos de objetos por proyecto —el proyecto de control de calidad de arándano de arriba recorre 478 detecciones—, de modo que el tamaño muestral deja de ser una limitación del flujo de trabajo.
• Datos listos para exportar. Las mediciones por objeto se exportan para su análisis estadístico, así que la distancia entre «fotos en una carpeta» y «un conjunto de datos listo para analizar» se mide en minutos, sin transcripción manual ni errores de transcripción.
• Una pantalla más grande para los juicios difíciles. Revisar mapas de índice píxel a píxel, comparar detecciones dudosas y decidir qué observaciones de baja proporción de píxeles válidos descartar son tareas que agradecen una pantalla de escritorio antes que un teléfono.

El mismo enfoque a nivel de carpeta es lo que hace viables los estudios con muchas muestras también en otros rasgos: el estudio del área foliar de la albahaca usa exactamente este patrón de captura en móvil y lote en escritorio.

Capturar sin destruir en el móvil; medir, filtrar y exportar a escala en el escritorio. El mismo método calibrado, de una hoja a mil.

Móvil o escritorio: cuándo usar cada uno

En la práctica, la mayoría de quienes usan esto en serio emplean ambos: el teléfono es el instrumento, el escritorio es el laboratorio.

Buenas prácticas para una medición fiable del verdor

Un proceso calibrado sigue premiando los buenos hábitos. Estas son las prácticas que con más fiabilidad separan un conjunto de datos de verdor utilizable de uno ambiguo:

• Incluya siempre la referencia de color. El verdor sin un ancla de color es tanto una fotografía de la iluminación como de la hoja.
• Evite el sol directo; estandarice su luz. Dispare con luz difusa o a su propia sombra, y mantenga constantes las condiciones de iluminación a lo largo del estudio.
• Estandarice la hora del día. El estado hídrico de la hoja y su respuesta a la luz cambian a lo largo del día; medir a una hora constante elimina un factor de confusión que después no se puede corregir.
• Estandarice la posición de la hoja. La hoja más joven completamente expandida, o un nudo fijo: elija uno y manténgalo. El verdor varía sistemáticamente a lo largo del tallo, y comparar posiciones distintas no compara nada.
• Mantenga limpios el objetivo y la placa. Sucios, ambos son filtros de color.
• Muestree suficientes hojas. La variación entre hojas es grande. Apunte a un tamaño muestral que le permita ver una distribución, no un punto.
• Filtre por la proporción de píxeles válidos antes de calcular medias por tratamiento. Decida el umbral de antemano y aplíquelo de manera uniforme.
• Revise individualmente los valores extremos de TGI. Suelen ser más un artefacto de imagen que un hallazgo biológico.
• Informe en términos relativos, con un control. Los índices de verdor son más potentes como comparaciones —tratamiento frente a franja de referencia, o esta semana frente a la anterior— que como valores fisiológicos absolutos.

Qué pueden y qué no pueden decirle los índices de verdor

Una medición fiable implica ser explícito sobre sus límites. Los índices digitales de verdor son genuinamente útiles y no son un espectrómetro.

Pueden:

• Ordenar parcelas, plantas, tratamientos y variedades por verdor foliar de forma rápida y repetible.
• Seguir el cambio en el tiempo en las mismas plantas, sin destruirlas.
• Ofrecer un indicador calibrado de la clorofila y, de forma indirecta, del estado nitrogenado; el DGCI en particular se relaciona estrechamente con las lecturas de medidores de clorofila tipo SPAD.
• Revelar patrones espaciales dentro de la hoja mediante mapas de índice píxel a píxel.
• Aportar réplicas suficientes para sostener un análisis estadístico, porque el rendimiento de trabajo es alto.

No pueden:

• Informar de la clorofila o del nitrógeno en unidades fisiológicas absolutas sin una calibración local frente a valores de laboratorio o de medidor para su cultivo y sus condiciones.
• Distinguir por qué está pálida una hoja. Una carencia de nitrógeno, de azufre, una clorosis férrica, una enfermedad radicular, el encharcamiento y la senescencia natural pueden reducir el verdor. El índice le dice que el color cambió, no qué lo causó.
• Compensar una fotografía que perdió la información: un reflejo quemado no contiene color recuperable.
• Sustituir a las mediciones de área, recuento o daño. El verdor responde a «cuán verde»; no responde a «cuánta hoja» ni a «cuánto daño».
• Compararse de forma significativa entre estudios que usaron iluminaciones, cámaras y procedimientos de calibración distintos.

Leídos con esos límites presentes, los índices de verdor hacen exactamente lo que necesita el seguimiento de la salud vegetal: convierten una impresión subjetiva en un número repetible, lo bastante rápido y barato de recoger a la escala que exigen las decisiones reales.