Usan inteligencia artificial para clasificar fibra de alpaca y mejorar los ingresos del productor

Los productores de fibra de alpaca o llama tienen una oportunidad para obtener un mejor precio por su producto. Y esta se encuentra en la primera etapa del proceso de producción, es decir, cuando tienen en sus manos el vellón luego de trasquilar al animal.

El especialista en mejora genética Edgar Quispe, explica claramente el problema a resolver: El Perú lidera la producción, pero gran parte de la fibra se vende tal como sale de la esquila, “en brosa”. Esa forma de venta, sin mayor clasificación, arrastra un problema menos visible. Todos los productores obtienen el mismo precio, incluso aquellos hicieron el esfuerzo por mejorar su hato.

Quispe estima que solo el 5% de la producción peruana se vende clasificada y que el 95% sale al mercado “al barrer”. El castigo llega rápido. El productor puede haber afinado la fibra con trabajo y selección, pero recibe lo mismo que quien no invirtió en mejoramiento genético. La diferencia, en plata, se entiende mejor con un ejemplo directo: vender sin clasificar puede rondar los 8 dólares por kilo, mientras que clasificar puede llevarlo a 10 dólares. “Un 25% más”, precisa Quispe.

La pregunta inevitable es por qué no se clasifica más. Quispe responde mirando al corazón del proceso. La clasificación tradicional depende de maestras clasificadoras con “mucho tacto y visión”, capaces de diferenciar calidades “al ojo”, pero sin medición objetiva. Es un trabajo que requiere años de práctica, demanda tiempo y no es fácil encontrar personal suficientemente entrenado.

Con ese cuello de botella sobre la mesa, la empresa MaxCorp Technologies decidió atacar el problema con tecnología. Su objetivo fue construir un sistema capaz de clasificar fibra de alpaca usando inteligencia artificial, y alineado a la calidad con la Norma Técnica Peruana NTP 231.301, que establece nueve tipos de fibra.

El proyecto recibió financiamiento de PROCIENCIA (CONCYTEC) y tuvo como investigador principal a Max David Quispe Bonilla, quien explica el primer paso con una idea sencilla. Una IA no nace lista, necesita datos. Para entrenarla, el equipo de investigación elaboró “muestras patrón” recurriendo a un instrumento llamado Fiber EC, que mide objetivamente el diámetro promedio de la fibra.

Después se fotografiaron las muestras, se depuraron imágenes y se construyó el dataset. Tras probar diferentes arquitecturas, se obtuvo un modelo entrenado haciendo uso de EfficientNet, alcanzándose una precisión mayor al 95% en la clasificación

Esa precisión permitió convertir la IA en una máquina que trabaja en flujo. El prototipo denominado Fiber Class integra una faja de identificación, donde se toman las imágenes enfocadas, y una faja de clasificación, donde actúan brazos mecánicos que separan la fibra según la calidad identificada.

En el proceso, el vellón se divide en porciones, y se coloca en la faja, donde se somete a un sistema de cámaras que capturan microfotografías que el modelo analiza en segundos.

El zootecnista y tesista Freddy Efraín Huayllani Conza describe el proceso: La porción es capturada por la cámara, el modelo la procesa y, en función del resultado, “automáticamente se abre el brazo mecánico” para enviarla al contenedor que corresponde. Para Huayllani, el valor no es solo tecnológico. Participar en este desarrollo significa aportar “al desarrollo económico del productor” y a toda la cadena productiva, desde el campo hasta la industria.

El impacto se expresa también en tiempo. Max Quispe calcula que el equipo puede reducir el proceso en 50%. Si el método manual tarda entre “20 o 30 minutos”, la máquina lo lleva “a la mitad”. Pero el argumento de fondo es otro. Medir permite ordenar la cadena y ordenar la cadena permite pagar mejor. Por eso Quispe repite una máxima que, en este caso, suena como una advertencia. “Un proceso que no se mide, no se controla… y un proceso que no se controla, no se puede mejorar”.

El Dr. Max Quispe reveló que el proyecto ya mira más allá del prototipo. La patente fue presentada y se encuentra en evaluación; además, obtuvieron financiamiento para avanzar hacia la protección internacional. En paralelo, trabajan con Natural FiberTech para el componente comercial, e IncaTops aparece como uno de los interesados en llevar el equipo a su planta.

Fiber Class no busca reemplazar una tradición. Busca que la calidad deje de ser una apuesta y se convierta en evidencia. En un país que produce la fibra, la inteligencia artificial intenta resolver una injusticia sencilla. Que el vellón mejor se pague mejor, y que el productor deje de vender a ciegas aquello que, en realidad, ya tiene valor desde el primer día.