Medir anillos de crecimiento con el móvil

Los avances en las cámaras de los teléfonos actuales han sustituido a nuestras cámaras convencionales. Hemos empezado a crear una app para contar anillos de crecimiento en testigos de barrena con el iPhone. El primer paso es probar la cámara y aprender cómo obtener las mejores imágenes.

Para obtener buenas fotos del testigo, estas deben:

• Ser nítidas
• Tener alta resolución
• Tener una iluminación uniforme

Contar con muchos píxeles nítidos por mm y una iluminación uniforme nos dará buenas posibilidades de contar los anillos de crecimiento.

Especificaciones de cámara de distintos modelos de iPhone

Los resultados proceden de especificaciones oficiales, de datos de las API de Apple y de imágenes tomadas con la app de cámara Halide, que recomendamos encarecidamente.

En general, las cámaras gran angular son las mejores, salvo quizá la ultra gran angular del iPhone 13 Pro. Como muestra la tabla 1, las cámaras gran angular más nuevas no han aumentado la resolución a corta distancia. Con los años, los cambios en la distancia focal y la apertura han aumentado la distancia mínima de enfoque. Por ejemplo, la resolución en píxeles por mm era mejor en el iPhone 7 que en el iPhone 13 Pro (gran angular).

Sin embargo, la calidad de las fotos ha mejorado notablemente en los últimos años: hay una gran diferencia entre las fotos de, por ejemplo, el iPhone 7 y el 11 (consulta los ejemplos más abajo). Los sensores siguen siendo de 12 megapíxeles, pero hoy los píxeles son mucho más nítidos.

Comparación de la calidad de foto entre modelos de iPhone

iPhone 7. Poco nítida y con problemas de balance de blancos.

iPhone 8. Poco nítida y con algún problema en el balance de blancos automático.

iPhone SE2. Más nítida y con mejor balance de blancos que los teléfonos más antiguos de arriba.

iPhone XR. Resultado similar al del iPhone SE2.

iPhone 11. Nítida. La calidad es realmente buena. Mejor que el XR y el SE2.

iPhone 12 Pro Max. La distancia mínima de enfoque es mayor que en el 12 Pro normal y el 11. Cuesta más obtener imágenes nítidas.

iPhone 13 Pro. Cámara ultra gran angular. Imágenes muy nítidas. Requerirá ajustes especiales para evitar bordes borrosos.

iPhone 13 Pro. Cámara gran angular. No tan buena como el 11, el 12 o el 12 Pro.

Unir imágenes

Para fotografiar el testigo completo, tenemos que tomar varias fotos y unirlas. El testigo mide unos 5 mm de ancho y 10-50 cm de largo. Para obtener suficiente resolución, hay que fotografiarlo de cerca.

El problema es que la distancia mínima de enfoque de la cámara gran angular es de unos 10-15 cm. Eso significa que solo podemos fotografiar una pequeña parte del testigo cada vez. Hay que tomar varias fotos solapadas y unirlas.

Hemos probado a unir imágenes y funciona bien. El usuario toma fotos solapadas y la app las une automáticamente. Le indicamos si la unión ha salido bien o si tiene que repetir la foto.

Guía visual del proceso de unión

Calidad de imagen

Para tomar las fotos con la mayor calidad posible, quiero aprovechar el tamaño máximo del sensor de imagen, que es de 3000 x 4000 píxeles. Para usar el ancho máximo (4000 px), la app debe usarse en horizontal al fotografiar el testigo (vista de cámara). Además, necesitamos una pantalla para contar los anillos (vista de imagen) y otra para ver los testigos en una tabla (vista de tabla).

Navegación entre vistas

Si estás en el monte, querrás fotografiar los anillos, comprobar la calidad de la foto y quizá contarlos. Si estás en la oficina, querrás revisar testigos fotografiados anteriormente y contar sus anillos.

Por eso necesitamos poder navegar entre las distintas vistas. Esta es una propuesta de cómo podría ser:

Flujo de navegación entre las distintas vistas

La vista de cámara debe incluir lo siguiente:

• Ayuda gráfica para colocar el testigo en el centro de la pantalla.
• Mostrar la imagen anterior para facilitar la siguiente foto del testigo.
• Indicar si la unión ha salido bien.
• Poder ver si la imagen está nítida antes de pulsar el disparador.

Para contar los anillos, la vista de imagen necesita lo siguiente:

• Poder ampliar la imagen.
• Contar los anillos manualmente, marcar cada décimo anillo y sumarlos automáticamente.
• Poder guardar la medición.

La vista de tabla

debe ser una tabla estándar donde puedas eliminar testigos y elegir el que quieras ver en la vista de imagen.

El siguiente paso es probar la app en campo y ver si funciona como esperamos. Seguramente descubriremos cosas que hay que cambiar.

Tenemos previsto enviar la app para pruebas a finales de marzo. Si te interesa, puedes apuntarte aquí.

Si te perdiste nuestros artículos anteriores sobre cómo creamos la app, puedes leer más:

Enlaces a las partes 1 y 2.

Quizá sepas que he estado trabajando en una app para contar los anillos de crecimiento de los árboles con el móvil. Quizá también hayas notado que durante un par de semanas no he dicho mucho al respecto.

El motivo es sencillo.

Salí a probarla en condiciones reales y me di cuenta de que no sería posible crear una app así. Ahora te explico por qué, para que quien lo intente en el futuro pueda aprovechar mi experiencia.

Aprender del fracaso

En internet casi todo el mundo habla de sus éxitos, pero pocos cuentan cuándo fracasan. Eso hace pensar que triunfar es fácil y, además, impide aprender de los errores ajenos. El éxito es un mal maestro; el fracaso, no. Voy a contarte lo que aprendí y por qué abandono la idea.

El origen

Todo empezó hace varios años. Oía una y otra vez que a los técnicos forestales les resultaba engorroso contar anillos de crecimiento. Preferirían una máquina que midiera la edad de los árboles con solo apoyarla en el tronco.

Ver el interior de un árbol sin talarlo es un reto técnico difícil. Me parecía fuera de mi alcance. Pero quizá sí fuera posible fotografiar testigos de barrena con el teléfono y dejar que el propio teléfono contara los anillos.

Empecé a crear una app que, en una primera fase, permitiera fotografiar testigos y contar los anillos manualmente. Si salía bien, el siguiente paso sería crear una solución de IA que los contara automáticamente.

El primer reto

fue acercarse lo suficiente, pero se podía resolver tomando varias fotos y uniéndolas automáticamente. Fue algo difícil, porque al autofoco le costaba enfocar un testigo tan estrecho. Lo resolví con una función de ampliación que mostraba si el testigo estaba nítido o no. Si el usuario ponía una mano detrás del testigo, todo iba bien.

El segundo reto

fue unir las imágenes: el usuario tenía que dejar un solapamiento razonable entre ellas. Ni muy poco, porque entonces no se podían unir, ni demasiado, porque entonces tendría que tomar demasiadas fotos. Lo resolví mostrando una parte de la imagen anterior e indicando al usuario si la nueva imagen se había unido a la anterior o si había que repetirla. Gracias a la respuesta háptica, quedaba claro si había salido bien o mal.

Lo probé en interiores y sentí que iba por buen camino.

Luego salí al monte varias veces y aprendí lo siguiente:

• La luz era un problema: el sol y la nieve creaban mucho contraste en la imagen.
• Los anillos no se veían con claridad en las fotos. Era difícil saber con certeza si se trataba de madera temprana o tardía.

Imagen 1: Testigo de barrena de pino. Cuesta contar los anillos de crecimiento.

Imagen 2: Testigo de barrena de pino. Es habitual que el testigo se ensucie. A veces dificulta el conteo y complicará aún más el conteo automático.

El problema de la luz se podía resolver colocándose de espaldas al sol y dejando la menor cantidad posible de nieve en la imagen.

No logré resolver el problema de que los anillos no se vieran con suficiente claridad. La resolución era bastante alta, 20-40 píxeles por mm, pero la nitidez no era perfecta y el contraste entre los anillos era demasiado bajo. Probé a aumentar el contraste y a aplicar distintos niveles de nitidez a la imagen, pero el resultado seguía sin ser lo bastante bueno. Me pareció un problema decisivo. Ocurría sobre todo en la parte exterior de la imagen y podría deberse en parte a la óptica.

Los programas de escritorio para contar anillos que hay en el mercado suelen requerir madera cortada y pulida. Los testigos de barrena no son un material tan bueno, y probablemente esa sea la principal razón de que resultara tan difícil.

Evitar restos de corteza en el testigo no es fácil; suele pasar con los pinos, que tienen la corteza gruesa. Quitarlos era complicado y se corría el riesgo de perder el testigo. Además, sería todo un reto que una IA distinguiera entre la madera tardía oscura y la suciedad.

Lo que finalmente me hizo rendirme fue estar en el monte peleándome para tomar fotos solapadas. Cuando por fin lo conseguí, me costaba ver los anillos. Pasé a contarlos a mano y fue más rápido. Si yo mismo tengo problemas con mi propia app, ¿cómo será la experiencia para otro usuario?

Lecciones aprendidas

Aprendí mucho, entre otras cosas lo siguiente:

• Crear productos nuevos siempre conlleva riesgos. Hay que intentar reducirlos probando primero las partes críticas. En este caso, la calidad de las fotos.
• El interés ha sido menor de lo esperado. Pocas personas se han mostrado interesadas, lo que indica que el mercado para una app así no es grande. Si creas una gran app para un mercado pequeño, es difícil mantenerla viable.
• No dudes en abandonar aunque hayas invertido mucho tiempo en un proyecto. Es mejor probar muchas ideas y quedarse con la que tenga más éxito y tracción. Ahora tengo más tiempo para mis otras ideas...

En los años transcurridos ha habido cierto interés por el tema. Las cámaras de los teléfonos también han mejorado y han aparecido publicaciones interesantes en este campo.

En los últimos cinco años, la detección automática de anillos de crecimiento ha pasado rápidamente de un procesamiento de imágenes frágil y basado en reglas a enfoques robustos de aprendizaje profundo. Los primeros avances llegaron al aplicar redes neuronales convolucionales a la segmentación de los límites de los anillos, lo que permitió una tolerancia mucho mayor al ruido, al lijado irregular y a la iluminación variable. Un hito importante fue el uso de modelos de segmentación de instancias como Mask R-CNN para detectar los límites de los anillos tanto en imágenes de escáner como de smartphone (Kim et al., 2023). Poco después surgieron flujos de trabajo totalmente automatizados que combinan el aprendizaje profundo con el posprocesado y la exportación a formatos estándar de dendrocronología (Poláček et al., 2023). Estos métodos vinieron acompañados de implementaciones de código abierto, que hacen que la detección de anillos más avanzada sea reproducible y accesible (TRG-ImageProcessing en GitHub). Más recientemente se han publicado nuevos conjuntos de datos anotados y modelos de referencia de segmentación semántica para abordar superficies difíciles de frondosas y muestras rugosas (Wu et al., 2024). También se han aplicado modelos de segmentación basados en transformers a microsecciones de madera de alta resolución, mejorando la delimitación de los límites en muestras anatómicamente complejas (García-Hidalgo et al., 2024). Al mismo tiempo, los grandes modelos fundacionales de segmentación han facilitado la anotación interactiva y la creación rápida de prototipos (Kirillov et al., 2023). La publicación en código abierto de estos modelos ha acelerado la experimentación tanto en investigación como en el desarrollo de productos aplicados (Segment Anything en GitHub). En conjunto, estos avances convierten hoy el conteo automático y de alta precisión de anillos a partir de fotografías en una base realista para aplicaciones móviles y listas para el trabajo de campo.

Hemos añadido a las listas los datos de las lentes y cámaras de los últimos iPhone

Tenemos muchas ganas de ver adónde lleva todo esto