ENKI Technologies, SL (Enkitek) es una empresa especializada en el desarrollo de soluciones tecnológicas avanzadas para el sector agrícola, con un especial foco en robótica colaborativa y automatización de procesos en cultivos hidropónicos. Con sede en Barberà del Vallès (Barcelona), la compañía ha construido su propuesta de valor alrededor del diseño, implementación y validación de sistemas robóticos personalizados que responden a retos específicos de sus clientes en el ámbito de la recolección y manejo de producto agrícola.
Su modelo de negocio combina la comercialización de hardware robótico (como brazos Ufactory Lite 6 y XArm 5, grippers, sensores ultrasónicos y cámaras) con la creación de software a medida
Esta estrategia le ha permitido ofrecer soluciones llave en mano que abarcan desde el análisis de requisitos hasta la entrega de prototipos operativos, todo ello bajo un enfoque agnóstico a la aplicación concreta del cliente.
Enkitek se dirige principalmente a empresas hortofrutícolas e instalaciones de agricultura protegida que requieren automatizar tareas críticas (detección, clasificación y recolección de fruto) en entornos de cultivo de alta densidad como los sistemas hidropónicos.
Gracias a su alianza con Fundación Eurecat dentro del DIH4CAT (Catalonia Digital Innovation Hub), la pyme ha podido reforzar su estructura organizativa con personal técnico especializado en robótica, inteligencia artificial y bases de datos, y formar parte de un ecosistema de innovación que incluye laboratorios y centros de I+D que validan sus desarrollos y facilitan su escalabilidad.
ENKI Technologies, SL, se enfrenta al desafío de diseñar y validar un sistema robótico colaborativo para la recolección automatizada de fresas en un cultivo hidropónico. Durante la fase de Análisis, llevada a cabo en colaboración con Eurecat bajo el marco de DIH4CAT, se identificaron tres problemas operativos críticos que debían abordarse:
Precisión en la detección de fresas: el sistema necesitaba escanear la escena del cultivo y generar un mapa fiable de la posición y madurez de cada fresa para decidir cuáles cortar, evitando recolectar ejemplares inmaduros o dañados.
Gestión eficiente del pick & place: era imprescindible desarrollar un algoritmo capaz de controlar el lugar y modo en que el robot deposita las fresas recolectadas en las cajas, considerando el espacio disponible y la distribución actual, para maximizar la eficiencia en cada ciclo de cosecha.
Seguridad en entornos colaborativos humano-robot: dada la naturaleza del cultivo hidropónico, donde operarios pueden acercarse al robot, había que implementar rutinas de seguridad que permitieran detener o resguardar la operación si se detectaba presencia humana, garantizando la integridad tanto del personal como de los equipos.
Estos retos sirvieron de punto de partida para definir la prueba de concepto y priorizar las actuaciones técnicas en función de su viabilidad y de su impacto potencial en la productividad y competitividad de la empresa.
Para abordar los retos de detección precisa de fresas, gestión óptima del Pick&Place y seguridad en entornos colaborativos, ENKI Technologies, SL diseñó y validó un sistema robótico colaborativo en un cultivo hidropónico. La propuesta se organizó en cuatro fases principales, integrando hardware especializado, algoritmos de visión artificial y un entorno de control modular:
Análisis de requisitos y asesoramiento inicial
Bajo el marco de DIH4CAT y con el soporte técnico de Eurecat, se llevaron a cabo entrevistas con el equipo de ENKI y con los responsables del cultivo para definir:Objetivos operativos: tolerancias de madurez y límites de error permisibles.
Condiciones del entorno: distribución de bancales hidropónicos, geometría de las plantas, variaciones lumínicas y rango de tamaños de fruto.
Puntos críticos de seguridad: espacios de trabajo del robot y protocolos de parada de emergencia.
Este diagnóstico permitió priorizar la selección de equipos y diseñar un plan de pruebas coherente con la estructura real del cultivo.
Desarrollo de la plataforma robótica y hardware auxiliar
Selección e integración de brazos colaborativos
Se optó por el Ufactory Lite 6 para tareas de recolección en zonas de acceso más estrechas.
Para tareas de Pick&Place más pesadas o de mayor alcance, se incorporó el XArm 5
Ambos robots se equiparon con pinzas mecánicas diseñadas ad hoc por ENKI para adaptarse al volumen y la textura de la fresa sin dañarla.Se instaló un sensor ultrasónico en cada pinza, controlado mediante un microcontrolador Arduino, que permite verificar en bucle cerrado si la fresa ha sido capturada correctamente y detener el movimiento del robot en caso de detección de deslizamiento o caída del fruto.
Se utilizó la cámara 3D, , para mapear la escena tridimensional del cultivo, identificar la posición exacta de cada fresa y estimar su grado de madurez mediante métricas de color y tamaño.
Implementación de software y arquitectura de control
Middleware y estructura ROSSe desplegó ROS Noetic como backbone de comunicaciones entre sensores, cámaras y actuadores.
Se diseñaron nodos ROS para:
Percepción: adquisición y preprocesado de imágenes ejecución de detección de fresas y segmentación semántica
Planificación de trayectorias y control: generación de rutas de agarre mediante, coordinando movimientos suaves y evitando colisiones con elementos del cultivo.
Gestión ultrasónica: nodo Arduino-ROS que lee valores del sensor y envía alertas al nodo de control para detener o corregir agarres fallidos.
Se configuró una base de datos MySQL donde se registran, para cada fresa recolectada, su posición, nivel de madurez, tiempo de agarre y estado del sensor ultrasónico.
Se creó un dashboard que muestra métricas en tiempo real:
Número de fresas detectadas y recolectadas por hora.
Tasa de éxito del agarre (porcentaje de frutos vs. errores).
Estado de cada brazo robótico (posición, velocidad, alertas).
Validación en entorno controlado y ajustes finales
a. Pruebas de recolección
En un bancal hidráulico replicado en el laboratorio de Eurecat, se evaluó la capacidad del sistema para detectar fresas con un flujo continuo de plantas.
Se verificó la precisión de posicionamiento del brazo robótico, ajustando parámetros de velocidad y aceleración para garantizar un agarre suave sin dañar el fruto.
Se recopilaron más de 10 000 imágenes de fresas en diferentes grados de madurez.
Con técnicas de aumentación de datos, se reforzó el entrenamiento para mejorar la detección en condiciones variables de iluminación.
El sistema de visión se calibró para segmentar con un 95 % de precisión las áreas del fruto, lo que permitió calcular contornos y volúmenes aproximados, fundamentales para la estimación de madurez.
Se definieron zonas de seguridad virtuales (geofencing), de modo que, si un operario entraba en el área de trabajo del robot, el sistema ejecutaba una parada de emergencia y reposicionaba el brazo en una “zona segura” hasta recibir un comando de reinicio.
Las pruebas confirmaron la capacidad de respuesta en menos de 200 ms ante la detección ultrasónica de proximidad humana, cumpliendo con los estándares de seguridad de robots colaborativos.
b. Sensórica complementaria
b. Base de datos y monitorización en tiempo real
b. Optimización de modelos de visión
c. Pruebas de seguridad colaborativa
Con esta arquitectura modular y multidisciplinar —que combina robótica colaborativa, visión artificial avanzada, sensórica ultrasónica, una capa de control y un sistema de monitorización— ENKI Technologies demostró la viabilidad técnica de la automatización de la recolección de fresas en cultivo hidropónico. Los principios metodológicos (plan de pruebas escalonado, entrenamiento riguroso de modelos de IA y validaciones en entorno realista) garantizan que la solución responde con precisión a las necesidades específicas de la pyme y sienta las bases para su futura escalabilidad en entornos agrícolas de mayor escala.
En la fase de validación de la prueba de concepto, ENKI Technologies, SL alcanzó los siguientes resultados concretos:
Precisión de detección de fresas: los algoritmos de visión lograron identificar con éxito más del 95 % de las fresas maduras en las imágenes capturadas, incluso en condiciones variables de iluminación y densidad de cultivo.
Eficiencia del Pick&Place: el sistema robótico alcanzó una tasa de éxito en el agarre y colocación de fresas en la caja superior al 85 %. Esta eficacidad se reflejó en ciclos de recolección continuos, con un promedio de 120 fresas recolectadas por hora en el entorno de pruebas controlado.
Reducción de errores de agarre: la integración del sensor ultrasónico permitió detectar y corregir agarres defectuosos, reduciendo en un 40 % los fallos de fresa no sujetan con respecto a la versión sin sensor.
Monitorización en tiempo real: el dashboard mostró en todo momento parámetros clave como número de fresas detectadas (listas para cosecha vs. inmaduras), fresas en la caja, movimientos de recolección exitosos y fallidos, y estados de cada brazo robótico, actualizándose cada 30 segundos sin pérdida de datos.
Seguridad colaborativa: el sistema respondió en menos de 200 ms ante la detección de un operario en el área de trabajo, ejecutando una parada de emergencia y reposicionando los brazos en “zonas seguras”. Esto validó la efectividad de las rutinas de protección y la integración de los sensores de proximidad.
La implementación del sistema robótico colaborativo para la recolección de fresas en cultivo hidropónico supondrá una transformación significativa en varios niveles:
Aumento de la productividad: Con una tasa de recolección de aproximadamente 120 fresas por hora en entorno controlado, ENKI podrá escalar fácilmente a entornos reales, reduciendo drásticamente el tiempo dedicado a tareas repetitivas y permitiendo redistribuir recursos humanos a labores de supervisión y mantenimiento.
Reducción de errores: La integración del sensor ultrasónico evitó fallos de agarre en un 40 % de los casos, lo que disminuirá las pérdidas de producto por fruta dañada o caídas, garantizando lotes de mejor calidad y minimizando el desperdicio.
Trazabilidad y control en tiempo real: La plataforma de monitorización proporciona datos instantáneos sobre detección, recolección y estado de los brazos robóticos, mejorando la visibilidad del proceso y facilitando la detección temprana de anomalías, lo que se traduce en una reducción de los tiempos de inactividad.
Adopción de metodologías data-driven: Al registrar en MySQL cada evento de recolección (posición de fruto, grado de madurez, éxito de agarre, tiempos de ciclo), la empresa ganará experiencia en el uso de datos para optimizar parámetros (velocidad, trayectorias) y reforzar la toma de decisiones basada en métricas reales.
Capacitación de personal técnico: Los ingenieros y operarios de ENKI se formarán en el uso de algoritmos de BehaviorTreeCpp, visión y en la configuración de dashboards, lo que aumentará la autonomía interna para desarrollar y mantener futuras soluciones robóticas.
Expansión a otras aplicaciones agrícolas: El conocimiento adquirido permitirá replicar la arquitectura de hardware y software en otros cultivos hidropónicos o de alto valor (tomate, pimiento, arándano), adaptando los modelos de visión a nuevas formas, tamaños y condiciones de iluminación.
Oferta de soluciones llave en mano: ENKI podrá comercializar el sistema como servicio integral (incluyendo diseño, instalación, calibración y soporte), diferenciándose de competidores al combinar robótica colaborativa con visión artificial avanzada bajo un mismo paquete.
Ventaja competitiva: Ser pionera en sistemas robóticos colaborativos para recolección hidropónica permitirá a ENKI acceder a nuevos nichos de clientes (agricultura vertical, invernaderos inteligentes) y establecer alianzas con grandes productores y distribuidores de frutas.
Reconocimiento en ecosistemas de innovación: La colaboración con Eurecat e integración en DIH4CAT consolidará la reputación de ENKI como empresa innovadora, facilitando el acceso a convocatorias de I+D+i y concurrencia en proyectos colaborativos de mayor envergadura.
Reducción de residuos: Al optimizar el agarre y minimizar daños en las fresas, se contribuirá a disminuir el número de frutos descartados, alineándose con prácticas de agricultura sostenible y optimización.
Mejora en condiciones laborales: La automatización de tareas repetitivas y potencialmente fatigosas se traducirá en un entorno de trabajo más seguro y con menor riesgo de lesiones, mejorando la calidad de vida de los operarios.
El Digital Innovation Hub de Catalunya - DIH4CAT es un ecosistema regional de innovación sin ánimo de lucro, formado por los principales agentes de apoyo a la digitalización de Catalunya. Su objetivo es impulsar la transformación tecnológica de las empresas y acelerar la adopción de tecnologías avanzadas.
Los servicios del DIH4CAT se han diseñado con la finalidad última de que las empresas puedan validar una tecnología antes de invertir en ella (a través de consultoría tecnológica, pruebas piloto, prototipos, formación especializada..etc...), haciendo uso de las infraestructuras tecnológicas más punteras de Cataluña.
Pueden hacer uso de los servicios del DIH4CAT, las pequeñas y medianas empresas y las mid-caps (con especial foco en sectores industriales y proveedores de tecnología), las start-ups tecnológicas y las entidades públicas.
