Inteligencia artificial contra la roya y la broca: lo que funciona en el cafetal y lo que no

Primera entrega de una serie de cuatro sobre inteligencia artificial y café. Las otras tres: estimar la cosecha, tueste y catación y preparación.

La promesa suena simple: tomas una foto de la hoja con el celular y una app te dice si es roya. Revisamos los estudios arbitrados publicados entre 2021 y 2026, las herramientas que usan productores y lo que hay en México. La tecnología existe, pero la cifra que suele acompañarla casi nunca describe lo que pasa en un cafetal.

El 99 % que aparece en los titulares

Cuando un artículo dice que una IA «detecta roya con 99 % de precisión», conviene preguntar qué se midió. En la literatura sobre hojas de café conviven tres números distintos:

• Exactitud de entrenamiento. Qué tan bien acierta el modelo con las mismas fotos con las que aprendió. Un estudio de Ruanda de 2024 reporta 99.57 %, y es de entrenamiento, no de prueba en campo.
• Exactitud de clasificación. Se le da al modelo una foto de una sola hoja y responde «sana» o «con roya». Aquí se ven cifras de 97 % con fotos parecidas a las de entrenamiento.
• Precisión de detección (mAP). El modelo tiene que encontrar la lesión dentro de una imagen con varias hojas, fondo y sombra. Es la tarea que se parece al campo, y los resultados bajan mucho: un estudio en Indonesia con fotos tomadas en la finca llegó a entre 70 y 73 %, y el mejor detector probado sobre el conjunto brasileño BRACOL, a 54.5 %.

Las tres cifras son legítimas. El problema es presentarlas como si fueran lo mismo.

Del laboratorio al cafetal

El caso que mejor muestra la brecha se publicó en abril de 2026. Un equipo peruano entrenó un detector de broca con 1,503 imágenes de frutos de Chaullay, en Cusco. En el conjunto de prueba obtuvo un mAP de 0.9446. Después lo llevaron al cafetal, con cámaras de bajo costo a 50 cm de las ramas, y el indicador F1 de la clase «infectado» bajó a 0.7255. Los propios autores reportan que empeora con poca luz y a mayor distancia, y que tuvieron que usar una red de radio de largo alcance porque la vegetación cortaba el WiFi a unos 30 metros.

No es un fracaso: un 0.73 en campo, medido y publicado, es información útil. Pero es muy distinto del 0.94.

El antecedente clásico viene de fuera del café. En 2016, un modelo que alcanzaba 99.35 % con fotos de hojas sobre fondo uniforme bajó a 31.40 % cuando se probó con imágenes tomadas en otras condiciones. Casi diez años después, esa lección sigue vigente.

De dónde salen las fotos

Un modelo aprende lo que ve. Los conjuntos públicos de imágenes de hojas de café más usados vienen de lugares muy concretos:

• RoCoLe: 1,560 fotos de hojas de café robusta tomadas en Manabí, Ecuador.
• BRACOL: hojas de arábica de Espírito Santo, Brasil, arrancadas y fotografiadas sobre fondo blanco.
• JMuBEN: una plantación de Kenia, con parte de las imágenes generadas al rotar y voltear las mismas fotos.

No encontramos ningún conjunto público de fotos de hojas de café mexicanas. El único estudio arbitrado de autores mexicanos que localizamos, del Centro Universitario UAEMEX Texcoco (2023), llegó a 83 % de exactitud, pero con fotos tomadas en Brasil.

Esto importa en México porque buena parte del café se cultiva bajo sombra, con luz irregular, en variedades y altitudes distintas. Una app entrenada con hojas sobre fondo blanco no necesariamente reconoce una lesión en una hoja que sigue en la planta, bajo el dosel de los árboles de sombra.

Lo que hay en México

Un sistema oficial de vigilancia que no es IA. El Programa de Vigilancia Epidemiológica Fitosanitaria del Cafeto, de SENASICA y el Colegio de Postgraduados, arrancó en 2013. Según la descripción publicada en 2021 en la Revista Mexicana de Fitopatología, cubrió 240 municipios, alrededor de 85 % del área cafetalera, y acumuló 15.77 millones de registros de campo de 199,660 evaluaciones, más 87.47 millones de registros climáticos. Técnicos capturaban los datos con apps de celular, y las alertas salían de modelos epidemiológicos basados en clima y muestreo, no de aprendizaje automático ni de fotos.

El artículo describe su operación completa entre 2013 y 2019 y un monitoreo preventivo en Veracruz desde 2020. No pudimos verificar si sigue activo en 2026. Si lo está, esos 13 años de datos de campo serían el mejor punto de partida para entrenar cualquier modelo mexicano.

Un prototipo estudiantil con un número honesto. «Doctor Café», de la Universidad Tecnológica del Centro de Veracruz, se probó con 500 hojas de robusta de una finca de Ixhuatlán del Café. Obtuvo 58 % de exactitud. Es una memoria de congreso estudiantil, no un artículo arbitrado, pero es la única prueba con hojas de una finca mexicana que encontramos.

No localizamos proyectos publicados de ECOSUR, Chapingo, INIFAP, CINVESTAV o la UNACH que usen visión por computadora para roya o broca en campo. Eso no prueba que no existan, sólo que no hay nada publicado que se pueda consultar.

Qué pueden hacer hoy las herramientas digitales

Los sistemas que usan productores en otros países se parecen más al programa mexicano que a la app de la foto:

• Coffee Cloud, en Guatemala, Honduras y Costa Rica, registra incidencia y severidad sin conexión y cruza esos datos con el clima. No analiza imágenes.
• PlantVillage Nuru, en Uganda, sí diagnostica roya por foto sin conexión. Su equipo reporta alrededor de 1,000 productores usuarios, pero no publica exactitud medida en campo.

Hay además un límite biológico que ninguna cámara resuelve. World Coffee Research reportó en 2025 que ya se identifican más de 55 razas de roya y que, entre 29 variedades probadas en 15 países, ninguna fue inmune en todos los sitios. Detectar a tiempo sirve para decidir cuándo aplicar, pero no sustituye la elección de variedad ni el manejo de sombra y nutrición.

Tres preguntas antes de pagar por una app

1. ¿Con qué fotos se entrenó? País, variedad y si las hojas estaban en la planta o sobre fondo blanco.
2. ¿La cifra es de entrenamiento, de prueba o de campo? Si no lo dice, asume que no es de campo.
3. ¿Quién la validó? Un estudio arbitrado con datos publicados pesa más que una página de ventas.

Una app que registra lo que ves y lo cruza con el clima es útil hoy. Una que promete diagnosticar sola, en tu cafetal, sin haber visto nunca una hoja mexicana, todavía no ha demostrado que pueda hacerlo.

Cómo revisamos estas cifras: leímos cada estudio en su versión publicada o, cuando la editorial bloqueó el acceso, en el resumen oficial depositado por la propia revista. Si encuentras un dato que cambió, lo corregimos según nuestra política de correcciones.