Fitopatólogo digital: diagnóstico temprano para anticipar pudriciones en arándanos

Por: Daina Grinbergs Salas Ingeniera Agrónoma Dra. Investigadora Fitopatología Frutales INIA Quilamapu. Paula Andrea V. Vargas Quiñones Ingeniera Agrónoma. Mg. Cs. Data Science Especialista en Agricultura Digital – INIA. Mariana Isla Lavanderos Instituto de Investigaciones Agropecuarias – INIA

Un fruto de arándano puede mantener una apariencia externa saludable y, sin embargo, presentar una infección que recién se manifestará durante el almacenamiento o el transporte. Detectar esa condición mediante los métodos fitopatológicos convencionales puede requerir entre cinco y siete días, un plazo que limita la posibilidad de tomar decisiones oportunas sobre la selección, el embalaje y el destino comercial de los lotes.

Como respuesta a este desafío, la Unidad de Ciencia de Datos del Área de Agricultura Digital del Instituto de Investigaciones Agropecuarias (INIA), en conjunto con el Laboratorio de Fitopatología de Frutales de la institución, desarrolló el Fitopatólogo Digital, un sistema orientado a apoyar la evaluación sanitaria temprana de frutos de arándano.

La herramienta integra un sensor portátil de espectroscopia visible e infrarroja cercana —Vis-NIR—, una aplicación móvil y una plataforma web. A partir de la respuesta espectral de los tejidos, busca reconocer cambios asociados con el desarrollo de infecciones antes de que aparezcan síntomas externos evidentes.

La sanidad también define la vida de poscosecha

En 2025, la superficie plantada de arándanos alcanzó las 14.020 hectáreas en Chile, distribuidas desde la Región de Coquimbo hasta la Región de Aysén. Durante la temporada 2025/26, comprendida entre septiembre de 2025 y abril de 2026, las exportaciones chilenas de arándanos frescos llegaron a 92.962 toneladas, por un valor de USD 465 millones FOB. Esto representó incrementos del 2,4 % en volumen y del 5,7 % en valor respecto del mismo período de la temporada anterior (ODEPA, 2026).

Estas cifras reflejan la relevancia económica del cultivo y la necesidad de preservar la calidad de la fruta a lo largo de toda la cadena productiva y comercial.

Una vez cosechados, los frutos permanecen metabólicamente activos y continúan experimentando cambios fisiológicos que pueden afectar su firmeza, apariencia y calidad. El comportamiento respiratorio y la respuesta al etileno durante la maduración pueden variar entre cultivares, algunos de los cuales presentan patrones climatéricos atípicos (Wang et al., 2022).

Por esta razón, tanto la condición alcanzada por el fruto en la planta como el manejo inmediatamente posterior a la cosecha influyen en su conservación. El enfriamiento oportuno y el mantenimiento de una cadena de frío estable resultan fundamentales para disminuir la actividad metabólica, retrasar el deterioro y prolongar la vida útil. Sin embargo, la conservación también depende de la condición sanitaria con la que la fruta llega a la poscosecha.

Pudriciones que pueden originarse en el huerto

Las enfermedades fúngicas constituyen uno de los principales desafíos para conservar la calidad del arándano durante la poscosecha. Entre los hongos asociados con las pudriciones y el deterioro de los frutos se encuentran Botrytis cinerea, Alternaria spp., Penicillium spp. y Cladosporium spp. (Li et al., 2024; Sánchez-Ballesta et al., 2023; Zhu y Xiao, 2015).

Desde el punto de vista económico, las pudriciones reducen el volumen de fruta comercializable y pueden provocar descartes, disminuciones de categoría, reclamos y rechazo de lotes en los mercados de destino. A nivel internacional, se ha señalado que las enfermedades de poscosecha pueden ocasionar pérdidas de hasta el 20 % de la producción de arándanos (Ramos Bell et al., 2021).

Botrytis cinerea, agente causal de la pudrición gris, puede infectar flores y frutos antes de la cosecha, permanecer latente y manifestarse durante el almacenamiento. En Chile, la plena floración y la madurez del fruto corresponden a períodos críticos de susceptibilidad a la infección (Rivera et al., 2013).

Por otra parte, las especies del género Alternaria están asociadas con el desarrollo de lesiones oscuras y hundidas, acompañadas por micelio gris verdoso y esporulación olivácea. En arándanos se han identificado especies patogénicas capaces de crecer y causar enfermedad, incluso a bajas temperaturas, lo que favorece su desarrollo durante el almacenamiento refrigerado (Zhu y Xiao, 2015).

El control de estos patógenos comienza durante el cultivo. Debido a su importancia en la poscosecha, B. cinerea y A. alternata han recibido especial atención en el desarrollo de estrategias de control y métodos de detección (Li et al., 2024).

Penicillium spp. y Cladosporium spp. también han sido aislados de frutos de arándano durante la poscosecha. Incluso en bayas que mantienen una apariencia externa sana, la incubación en condiciones controladas puede revelar hongos que no eran visibles al momento de la evaluación inicial (Sánchez-Ballesta et al., 2023).

Este antecedente demuestra que la apariencia del fruto no siempre refleja su condición sanitaria ni permite anticipar el desarrollo posterior de pudriciones. A partir de un fruto afectado pueden originarse nidos de infección, cuando el patógeno alcanza a los frutos aledaños y la pudrición se extiende hasta comprometer sectores completos del contenedor.

La complejidad de estas enfermedades radica en que algunas infecciones pueden establecerse en el huerto y permanecer latentes hasta que las condiciones de almacenamiento y transporte favorecen su desarrollo (Rivera et al., 2013). Durante las etapas iniciales, la estructura y la opacidad del fruto dificultan la observación de alteraciones internas, mientras que las lesiones externas suelen resultar imperceptibles al ojo humano (Huang et al., 2020).

A ello se suman los daños mecánicos producidos durante la cosecha, la manipulación y el transporte. Se ha demostrado que la vibración durante el traslado aumenta la actividad respiratoria y la incidencia de deterioro, además de reducir la firmeza de los frutos (Xu et al., 2021). Del mismo modo, el retraso del preenfriamiento y la exposición a temperaturas superiores a las recomendadas aceleran la pérdida de calidad durante el almacenamiento y la vida útil de la fruta (Fu et al., 2024).

En consecuencia, la condición sanitaria y comercial observada en el destino es el resultado de procesos que comienzan en el huerto y continúan durante la cosecha, el embalaje, el almacenamiento y el transporte.

Del diagnóstico convencional al resultado en pocos minutos

Uno de los métodos convencionales utilizados para detectar hongos asociados con pudriciones consiste en incubar los frutos en condiciones controladas de humedad y temperatura, mediante la denominada cámara húmeda.

El período de incubación depende de los hongos que se busca evaluar y puede extenderse entre una y dos semanas. Posteriormente, se examinan en forma macroscópica y microscópica las estructuras vegetativas y reproductivas de los hongos, como el micelio, los conidióforos y las conidias.

En el procedimiento empleado por INIA, esta evaluación requiere, en general, entre cinco y siete días, además de infraestructura, equipos y personal capacitado para identificar las estructuras fúngicas (Grinbergs y Rodríguez, 2025).

Si bien este método permite evidenciar infecciones que inicialmente no son visibles, el tiempo necesario para obtener los resultados limita la toma de decisiones sobre la selección, el embalaje y el destino comercial de los lotes. Frente a esta dificultad, el Fitopatólogo Digital busca entregar información sanitaria en pocos minutos y en diferentes puntos de la cadena productiva.

Cómo funciona el sistema

El sensor portátil registra la respuesta espectral de cada fruto, es decir, la manera en que sus tejidos reflejan la luz en las regiones visible e infrarroja cercana. Estos registros contienen información relacionada con la composición y la estructura del tejido, lo que permite reconocer cambios producidos durante el desarrollo de una infección, incluso antes de que aparezcan síntomas externos.

Antes de construir los modelos predictivos, las curvas espectrales obtenidas por el sensor son procesadas y suavizadas para reducir el ruido y mejorar la calidad de los datos. Luego se aplica un análisis de componentes principales —PCA—, que permite explorar la variabilidad de los registros, identificar agrupamientos y reconocer muestras con comportamientos espectrales diferentes.

Para calibrar los modelos, las curvas espectrales se relacionan con resultados fitopatológicos obtenidos mediante métodos de referencia. Entre ellos se encuentran la evaluación visual del avance de la infección y la cuantificación molecular del ADN fúngico mediante qPCR.

A partir de esa relación, los modelos basados en mínimos cuadrados parciales —PLS— permiten asociar la respuesta espectral del fruto con la presencia o el nivel de avance de B. cinerea y Alternaria spp.

Una vez construidos, los modelos son evaluados con nuevas muestras que no fueron utilizadas durante la calibración. Esta etapa permite comprobar su capacidad para estimar la condición sanitaria de frutos desconocidos y seleccionar el modelo con mejor desempeño predictivo.

Después de la validación, los algoritmos se incorporan a una plataforma web y a una aplicación móvil, desde las cuales es posible procesar la información y obtener resultados en el laboratorio, el huerto, el centro de acopio o la planta de embalaje. 

La aplicación puede utilizarse sin conexión a internet durante la toma de datos. Posteriormente, la información se sincroniza con la nube de INIA, donde queda disponible para su análisis y trazabilidad.

De esta manera, la tecnología utiliza las diferencias espectrales asociadas con los cambios en los tejidos para reconocer alteraciones antes de que se manifiesten síntomas visibles. Se trata de una herramienta rápida, objetiva y no destructiva, concebida para complementar los métodos convencionales de evaluación fitopatológica (Aguirre, 2019; Najjar y Abu-Khalaf, 2021).

Mientras la incubación en cámara húmeda requiere entre cinco y siete días, el sistema puede entregar resultados en pocos minutos y utilizarse en distintos puntos de la cadena productiva.

Tres temporadas y más de 27.000 registros

El sistema fue calibrado y evaluado durante tres temporadas consecutivas. Para ello se utilizaron más de 27.000 registros espectrales obtenidos de frutos pertenecientes a siete cultivares, recolectados en las regiones del Maule, de Ñuble y del Biobío.

El desarrollo contó con la colaboración de Hortifrut S.A., empresa que aportó experiencia técnica y facilitó el acceso a huertos propios y de productores asociados.

De acuerdo con los resultados informados por el proyecto, los modelos predictivos desarrollados para Alternaria spp. y B. cinerea alcanzaron valores de R² de 0,91 y 0,81, respectivamente, y presentaron una alta capacidad predictiva.

Actualmente se desarrolla una nueva iniciativa orientada a avanzar en el escalamiento del Fitopatólogo Digital y ampliar su alcance hacia otras enfermedades relevantes durante la cosecha y la poscosecha de arándanos. El proyecto contempla incorporar la detección de Cladosporium spp. y Penicillium spp. en frutos. Al mismo tiempo, busca ampliar y consolidar la base de registros espectrales para fortalecer la capacidad predictiva y la robustez de los modelos. Esta ampliación permitiría que el sistema evolucione desde la evaluación de alteraciones asociadas con B. cinerea y Alternaria spp. hacia la detección de cuatro grupos fúngicos: B. cinerea, Alternaria spp., Cladosporium spp. y Penicillium spp.

De este modo, la herramienta podría contribuir al monitoreo oportuno del riesgo sanitario y generar información para apoyar decisiones de manejo, como la definición de tratamientos fitosanitarios, la selección y segregación de lotes, la gestión del riesgo y la trazabilidad de la fruta a lo largo de la cadena productiva y comercial.

El avance del Fitopatólogo Digital representa una oportunidad para disponer de información sanitaria en etapas en las que todavía es posible intervenir sobre el manejo y el destino de la fruta. Como sistema de apoyo a la toma de decisiones, podría contribuir a mejorar la gestión de la cadena productiva, reducir pérdidas económicas y mejorar el retorno para productores y exportadoras.

Referencias

Aguirre, W. A. L. (2019). Espectroscopia infrarrojo y técnicas de machine learning y deep learning para la detección y clasificación de arándanos. Pueblo Continente, 30(2), 555-570.

Chu, X., Zhang, K., Wei, H., Ma, Z., Han, F., Miao, P., Jiang, H. y Liu, H. (2023). A Vis/NIR spectra-based approach for identifying bananas infected with Colletotrichum musae. Frontiers in Plant Science, 14.

Fu, M., Liu, H., Yang, W., Zhang, Q., Lv, Z., Nawaz, M., Jiao, Z. y Liu, J. (2024). Virtual cold chain method with comprehensive evaluation to reveal the effects of temperature abuse on blueberry quality. Foods, 13(23), 3731.

Grinbergs, D. y Rodríguez, J. (2025). Enfermedades de huerto y poscosecha en frutos de cerezo. En C. Balbontín y B. Defilippi (eds.), Optimización del manejo de cosecha y poscosecha de cereza para la Región de Ñuble (pp. 103-117). Boletín INIA N.º 509. Instituto de Investigaciones Agropecuarias, Chillán, Chile.

Huang, Y., Wang, D., Liu, Y., Zhou, H. y Sun, Y. (2020). Measurement of Early Disease Blueberries Based on Vis/NIR Hyperspectral Imaging System. Sensors, 20(20), 5783.

Li, J., Yang, T., Yuan, F., Lv, X. y Zhou, Y. (2024). Inhibitory effect and potential antagonistic mechanism of isolated epiphytic yeasts against Botrytis cinerea and Alternaria alternata in postharvest blueberry fruits. Foods, 13(9), 1334.

Lorente, D., Cortés, V., Munera, S., Escandell-Montero, P., Cubero, S., Aleixos, N., Talens, P. y Blasco, J. (2016). Detección de podredumbres en cítricos mediante espectroscopia VIS/NIR y métodos de aprendizaje automático. Redivia, Instituto Valenciano de Investigaciones Agrarias, 1021-1030.

Najjar, K. y Abu-Khalaf, N. (2021). Visible/near-infrared spectroscopy technique to detect gray mold disease in the early stages of tomato fruit. Journal of Microbiology, Biotechnology and Food Sciences, 11(2), e3108.

ODEPA (2026). Boletín de fruta, mayo de 2026. Oficina de Estudios y Políticas Agrarias, Ministerio de Agricultura de Chile.

Ramos Bell, S., Hernández Montiel, L. G., González Estrada, R. R. y Gutiérrez Martínez, P. (2021). Main diseases in postharvest blueberries, conventional and eco-friendly control methods: A review. LWT, 149, 112046.

Rivera, S. A., Zoffoli, J. P. y Latorre, B. A. (2013). Infection risk and critical period for the postharvest control of gray mold (Botrytis cinerea) on blueberry in Chile. Plant Disease, 97(8), 1069-1074.

Sánchez-Ballesta, M. T., Marti-Anders, C., Álvarez, M. D., Escribano, M. I., Merodio, C. y Romero, I. (2023). Are the blueberries we buy good quality? Comparative study of berries purchased from different outlets. Foods, 12(13), 2621.

Wang, Y.-W., Acharya, T. P., Malladi, A., Tsai, H.-J., NeSmith, D. S., Doyle, J. W. y Nambeesan, S. U. (2022). Atypical climacteric and functional ethylene metabolism and signaling during fruit ripening in blueberry (Vaccinium sp.). Frontiers in Plant Science, 13, 932642.

Xu, F., Liu, S., Liu, Y. y Wang, S. (2021). Effect of mechanical vibration on postharvest quality and volatile compounds of blueberry fruit. Food Chemistry, 349, 129216.

Zhu, X. Q. y Xiao, C. L. (2015). Phylogenetic, morphological, and pathogenic characterization of Alternaria species associated with fruit rot of blueberry in California. Phytopathology, 105(12), 1555-1567.