La combinación de grandes caudales de cereza con criterios de calidad cada vez más exigentes está empujando a las centrales de procesado hacia arquitecturas de clasificación más complejas. En este contexto, la apuesta de Elifab se concreta en líneas de clasificación de alta capacidad para cereza, equipadas con visión artificial y deep learning Ellips True-AI, volcado automático de bins de Palm Systems y envasado automático Mat Exakta, en configuraciones que pueden alcanzar las 48 vías de clasificación, como la que he podido analizar en operación.
Más allá de la cifra de 48 vías, el interés de esta instalación reside en cómo articula el conjunto: manejo hidráulico y mecánico de baja agresión, singulación eficiente mediante separadora de pedúnculos de corte y un núcleo óptico–algorítmico que combina tamaño, color, defectología y firmeza. La visita, realizada junto a Ed Westerweele (Director Comercial de Elifab), Juan López (Sales Manager de Elifab) y Alejandro Sánchez (Director Técnico de Mat Exakta), permitió contrastar estas decisiones de diseño directamente sobre la línea en operación.
2. Arquitectura de la línea: de los bins a las cajas
Desde el punto de vista de proceso, la línea se organiza en cuatro bloques encadenados: alimentación de bins, separadora de pedúnculos, clasificación en 48 vías y envasado automático. La clave está en que todos están dimensionados y sincronizados para trabajar al mismo ritmo, sin generar cuellos de botella evidentes.
2.1. Alimentación y volcado de bins
La entrada de fruta se realiza mediante volcadores automáticos de bins de Palm Systems, ajustados a la capacidad hidráulica y mecánica de la línea. Estos equipos basculan los bins de forma controlada y descargan la cereza por inmersión en balsas de recepción, de manera que el fruto entra suavemente en el agua, evitando la caída libre sobre superficies rígidas o impactos bruscos en la lámina de agua.
El caudal de volcado se regula para que el nivel de carga en las balsas se mantenga dentro de un rango seguro: suficiente profundidad para amortiguar el impacto, pero sin sobrellenar, evitando así zonas de compresión fruto–fruto que favorecen daños latentes. Desde el punto de vista de ingeniería de proceso, este módulo de infeed estabiliza el perfil de flujo de fruta hacia las etapas posteriores y minimiza la manipulación manual de bins, con efectos claros en ergonomía, seguridad y reducción de eventos de impacto innecesarios.
2.2. Separadora de pedúnculos
Entre el módulo de infeed y los calibradores Elifab, la línea incorpora una separadora de pedúnculos de corte de última generación, con motores independientes por línea de corte. En esta instalación se ha optado por este sistema de separación frente a los separadores hidráulicos clásicos.
Esta arquitectura permite alcanzar una separación muy eficiente de los “pendientes” (dos cerezas unidas por sus pedúnculos en el extremo distal) y, además, aporta robustez operativa: si una línea de corte presenta un problema, no es necesario detener toda la separadora, lo que ayuda a mantener un flujo de fruta estable hacia la zona de clasificación y a entregar la cereza singulada, con su pedúnculo, al sistema de visión.
2.3. Módulos de clasificación Elifab
En el tramo central de la instalación trabajan cuatro cuerpos de calibradoras Elifab que, en conjunto, suman 48 vías de clasificación gobernadas por la tecnología de visión e inteligencia artificial Ellips True-AI. Cada cuerpo aporta un bloque de carriles en paralelo, de modo que el ancho útil de la línea se construye modularmente.
En cada vía, la cereza avanza ya singulada sobre soportes individuales y pasa por debajo de las cámaras, que asignan a cada fruto una categoría de clasificación en función de su tamaño, color y nivel de defecto aceptable para cada programa de trabajo. Lo relevante de disponer de 48 vías en paralelo no es solo el caudal, sino la posibilidad de aplicar esas reglas de decisión de forma homogénea a lo ancho de máquina y estable a lo largo del turno, reduciendo la variabilidad asociada a la selección manual y permitiendo mantener especificaciones comerciales más estrechas.
2.4. Acoplamiento con el bloque de envasado Mat Exakta
A la salida de la zona de clasificación, las distintas categorías de cereza convergen hacia el bloque de pesaje y envasado automático de Mat Exakta. Este sistema recibe la fruta ya clasificada y la dosifica sobre los distintos formatos comerciales mediante básculas dinámicas y puntos de llenado automatizados, controlando el peso objetivo de cada envase y gestionando de forma centralizada el cambio de formato en función del mercado de destino.
Desde el punto de vista de proceso, este acoplamiento entre clasificación y envasado permite cerrar el flujo continuo desde los bins hasta la caja, manteniendo la coherencia entre los criterios de selección aplicados en True-AI y la configuración de los programas de envasado, y evitando reprocesos o manipulaciones adicionales que puedan introducir daño mecánico o desviaciones de peso.
3. Núcleo óptico e IA (True-AI) en cereza
En esta línea, los calibradores Elifab integran el sistema de visión e inteligencia artificial Ellips True-AI, apoyado en cámaras de alta resolución que capturan del orden de unas treinta imágenes por cereza mientras el fruto rota bajo el sistema óptico. Sobre ese flujo de imágenes multicanal —en la práctica, un esquema de visión multiespectral orientado a la evaluación de calidad interna y externa— el software TrueSort/True-AI aplica algoritmos de análisis de imagen para extraer de forma simultánea tamaño (diámetros y forma), color y peso volumétrico, junto con una batería de indicadores de calidad derivados de textura y defectología.
En cereza, Ellips subraya que la combinación Elifab + True-AI está pensada para ir más allá de la clasificación clásica por calibre y color, abordando también defectos complejos y atributos difíciles de estabilizar manualmente. Entre ellos destacan la pudrición negra (black rot), las grietas frescas y las grietas en la zona de inserción del pedúnculo, junto con una detección muy robusta de pedúnculos, pedúnculos vecinos y puntos de inserción. A partir de esta base, el sistema configura categorías comerciales que combinan tamaño, color, nivel de defecto y, de forma relevante, el grado de firmeza de los frutos, clave para diferenciar calidades y destinos.
True-AI se describe como una capa de IA con capacidad de autoaprendizaje, alimentada por centenares de miles de imágenes de cerezas procedentes de múltiples campañas, variedades y centrales de distintas procedencias. Así, buena parte de las tareas clásicas de parametrización —umbrales, reglas de defecto, combinaciones de canales— se desplazan desde el operario hacia los algoritmos de deep learning, que llegan ya preentrenados para encontrar por sí mismos los defectos objetivo y se actualizan con nuevos datos de campaña.
4. Lectura desde la postcosecha
4.1. Coordinación de procesos a ~30 t/h
La línea de 48 vías puede trabajar de forma estable en el entorno de 30 t/h de cereza fresca. A ese caudal, lo relevante no es solo la cifra en sí, sino la coordinación entre bloques: infeed con volcadores, separadora de pedúnculos, módulos Elifab y llenadoras Mat Exakta.
La sensación, observando la línea completa, es la de un ritmo alto pero sin picos ni valles: no se observaban acumulaciones críticas a la salida de ningún bloque ni zonas claramente infrautilizadas. Para una instalación de este tamaño, esa coherencia de caudal entre secciones es, en sí misma, un buen indicador de diseño de proceso.
4.2. Transiciones y manejo mecánico
Desde la perspectiva del daño mecánico, el punto fuerte de la línea no está solo en la parte óptica, sino en cómo se han resuelto las transiciones entre equipos:
- En la zona de bins, el volcado hacia la balsa de recepción mantiene caídas cortas y controladas, reduciendo el riesgo de golpes de alta energía entre frutos.
- En las balsas de recepción no se observa una acumulación excesiva de fruta, lo que reduce la compresión fruto–fruto.
- El paso desde la cinta de elevación a la separadora de pedúnculos se produce mediante caídas bajas en altura, de bajo impacto energético.
- Lo mismo sucede en el salto desde la zona de corte de pedúnculos al área de clasificación: el flujo de fruta llega ordenado, con poca agitación y sin acumulaciones en los puntos de entrega.
Sin disponer de datos cuantitativos de daño (microgrietas, pitting, etc.) asociados a cada transición, la impresión es que la arquitectura mecánica está claramente pensada para minimizar impactos y compresiones localizadas, al menos en lo que puede evaluarse en campo a simple vista y a la velocidad de operación observada.
4.3. Separación de “pendientes” y calidad del flujo hacia True-AI
Otro elemento que llama la atención es el comportamiento de las separadoras de pedúnculos. La opción de trabajar con una separadora de corte frente a las separadoras hidráulicas clásicas, junto con la incorporación de motores independientes por línea y una cinta diseñada para minimizar la fricción entre los frutos que conforman los pendientes, da lugar a un porcentaje muy alto de separación de pedúnculos en la zona de unión.
Esto tiene dos implicaciones directas:
- Mecánica: al reducir la fricción y los tirones entre frutos, se limita una de las fuentes típicas de daño en esta zona de la línea. En muchas instalaciones, una parte relevante del pitting se origina precisamente en separadoras de pedúnculos con diseños menos cuidados; aquí, el foco está en que la separación se produzca en la zona de unión de los pedúnculos.
- Óptica y de clasificación: entregar a True-AI un flujo de cerezas más singuladas y con menos pedúnculos cruzados facilita la identificación de fruto, pedúnculo y punto de inserción, reduciendo escenas complejas que podrían inducir errores en la detección de defectos.
En la práctica, la separadora de pedúnculos actúa como un acondicionador físico previo: simplifica la geometría de la muestra antes de que entre en el modelo de IA.
4.4. Llenadoras de caja: bajo impacto y precisión en peso
El último tramo donde merece la pena detenerse es el de las llenadoras de caja Mat Exakta. Aquí se pueden observar dos aspectos que, combinados, tienen bastante sentido en clave daño–comercialización:
- Por un lado, la dinámica de caída de la fruta al envase es visualmente suave: no se aprecia una altura de caída excesiva ni puntos de choque evidentes contra cantos o superficies duras dentro de la caja. Para cereza, donde el “golpe final” en el llenado puede condicionar tanto el pitting como microgrietas latentes, esto no es un detalle menor.
- Por otro lado, el sistema de llenado trabaja con tres cintas: dos laterales de velocidad alta, que se encargan del grueso del caudal, y una cinta central de afinado, que corrige el peso hasta el objetivo. Esta estrategia permite acercarse rápidamente al peso objetivo con fruta en movimiento y utilizar la cinta central como “fino”, evitando sobrellenados sistemáticos sin necesidad de someter la fruta a ciclos adicionales de caída.
- Es de destacar también la sincronización entre las cintas de llenado y las cintas transportadoras de cajas, que facilita una buena distribución del llenado incluso cuando se trabaja con tarrinas en cada caja.
El resultado combinado es un llenado rápido, con baja energía de impacto y alta exactitud en peso. Es un buen ejemplo de cómo, en cereza, el diseño del llenador no es solo una cuestión de productividad: influye directamente en la distribución de daños mecánicos y en el equilibrio entre exactitud de peso y sobrellenado comercial.
4.5. Ausencia de hidrocooler en línea
Un aspecto llamativo de la instalación es precisamente lo que no está: la línea de 48 vías no incorpora un hidrocooler en línea. Todo el enfriamiento se realiza antes del procesado, mediante hidrocoolers de lluvia sobre bins, y la fruta entra a la zona de clasificación y envasado ya preenfriada.
Desde la óptica del diseño de procesos, esto tiene una doble lectura:
- Por un lado, supone renunciar a un “pulmón térmico” integrado en la línea, que podría servir para homogeneizar temperatura de entrada antes del envasado o corregir desviaciones puntuales de preenfriado.
- Pero, al mismo tiempo, se traduce en un nivel muy bajo de agua circulando en la propia línea: menos balsas intermedias, menos recirculaciones y menos transporte de agua a lo largo del flujo.
En la práctica, esto se alinea con una tendencia creciente en centrales de cereza y otros frutos delicados: concentrar el enfriamiento intensivo en hidrocoolers dedicados a bins o palots, y mantener las líneas de clasificación y envasado con la mínima hidráulica imprescindible para transporte y limpieza. Se reducen así consumos de agua, cargas de gestión (limpiezas, biocidas, filtración) y riesgos asociados a acumulación de agua libre, a cambio de exigir que el preenfriado previo esté muy bien resuelto.nsporte y limpieza. Se reducen así consumos de agua, cargas de gestión (limpiezas, biocidas, filtración) y riesgos asociados a acumulación de agua libre en zonas avanzadas de la línea, a cambio de exigir que el preenfriado previo esté muy bien resuelto.
5. De la clasificación al aprendizaje
Más que hacer un inventario de “debes” o “carencias”, este tipo de líneas de clasificación para cereza abre varias líneas de trabajo interesantes desde la postcosecha. Por un lado, sería muy valioso cuantificar con datos lo que hoy solo podemos intuir a pie de nave: cómo se reparte el daño mecánico (pitting, microgrietas, zona de inserción del pedúnculo) a lo largo del recorrido completo, desde la salida del hidrocooler de bins hasta el llenado final de los envases.
Por otro, la clasificación que realiza True-AI invita a explorar mejor su relación con la vida comercial real de los lotes en distintos destinos y condiciones de tránsito. A esto se suma una dimensión menos visible pero, a medio plazo, decisiva: la cantidad de información de calidad que genera una instalación de 48 vías trabajando campaña tras campaña. Integrar esos datos de clasificación con información de campo (variedad, patrón, carga, fecha de recolección) y con resultados en destino permitiría cerrar un ciclo de aprendizaje que hoy apenas empezamos a esbozar.
Una línea de 48 vías con IA no es solo una máquina que “quita trabajo” al operario: es, potencialmente, un sensor masivo de calidad a escala de explotación. Lo interesante, en los próximos años, será ver en qué medida se explota esa dimensión y qué impacto real tiene sobre la forma de producir y comercializar cereza fresca.
