La producci\u00f3n de banano en Bolivia es una de las actividades agr\u00edcolas m\u00e1s din\u00e1micas del pa\u00eds, con miles de toneladas exportadas cada a\u00f1o, principalmente al mercado argentino. Sin embargo, los trabajadores que cosechan y manipulan los racimos enfrentan un riesgo poco visible pero potencialmente mortal: la presencia de ara\u00f1as bananeras (Phoneutria nigriventer), cuyo veneno puede provocar desde fiebre hasta par\u00e1lisis o la muerte. Frente a este desaf\u00edo, un grupo de estudiantes de la Universidad Franz Tamayo, Unifranz, desarroll\u00f3 un sistema basado en inteligencia artificial para detectar estas ara\u00f1as antes de que entren en contacto con los operarios.<\/p>\n\n\n\n
<\/p>\n\n\n\n
\u201cNos basamos en documentaci\u00f3n oficial sobre el proceso industrial del banano, identificamos el riesgo real de las ara\u00f1as y decidimos aplicar visi\u00f3n artificial para detectarlas en los racimos antes de que causen da\u00f1o\u201d, explica Owen Terceros Vera, estudiante del noveno semestre de Ingenier\u00eda de Sistemas y uno de los desarrolladores del proyecto.<\/p>\n\n\n\n
<\/p>\n\n\n\n
El banano boliviano, principalmente cultivado en los departamentos de Santa Cruz, Cochabamba, Beni, Pando y los Yungas de La Paz, es un producto clave en la canasta exportadora del pa\u00eds. De acuerdo con datos recientes, Argentina representa el principal destino de esta fruta, consolidando una relaci\u00f3n comercial que alcanz\u00f3 niveles r\u00e9cord en 2024. Las exportaciones generaron ingresos significativos para el sector agr\u00edcola, pero tambi\u00e9n evidenciaron deficiencias en algunos procesos manuales que a\u00fan predominan en la cadena productiva.<\/p>\n\n\n\n
<\/p>\n\n\n\n
El riesgo de las ara\u00f1as bananeras no es menor. Esta especie, que se oculta entre hojas y frutos, es reconocida por su comportamiento agresivo y su potente veneno neurot\u00f3xico. Las plantaciones en Sudam\u00e9rica ya implementan medidas preventivas \u2014como el sacudido de racimos, uso de guantes y revisi\u00f3n visual\u2014, pero estas no siempre son efectivas, especialmente porque la ara\u00f1a puede no ser visible al ojo humano en condiciones de baja luz o entre racimos densos.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Frente a este problema, los estudiantes Adri\u00e1n Pinto Calvetty, Cristian Ben\u00edtez Pe\u00f1a, Nicol\u00e1s Gonzales Urdininea y Owen Terceros Vera dise\u00f1aron un sistema inteligente que integra varias tecnolog\u00edas. La propuesta consiste en una soluci\u00f3n integral que combina visi\u00f3n artificial, sensores de pH, microcontroladores tipo ESP32 y un sistema de dosificaci\u00f3n l\u00edquida automatizada.<\/p>\n\n\n\n
<\/p>\n\n\n\n
\u201cNuestro sistema usa una red neuronal convolucional entrenada con m\u00e1s de 150 im\u00e1genes de ara\u00f1as en distintos \u00e1ngulos y condiciones. Detecta no solo la presencia del animal, sino tambi\u00e9n sus huevos, lo que permite prevenir riesgos futuros\u201d, detalla Nicol\u00e1s Gonzales, tambi\u00e9n integrante del equipo.<\/p>\n\n\n\n
<\/p>\n\n\n\n