TECNOLOGÍA
Un proyecto plantea el uso de IA para detectar el momento óptimo para recoger la aceituna
Las nuevas tecnologías llegan al campo, un nuevo proyecto estaría estudiando la Inteligencia Artificial para saber cuándo es el momento adecuado para recoger la aceituna y aprovechar al máximo todo su potencial.
Publicidad
El proyecto Behtool, que impulsa la Agrupación de Empresas Innovadoras (AEI) del sector proveedor oleícola Inoleo, plantea el uso de Inteligencia Artificial (IA) para detectar el momento óptimo para recoger la aceituna y obtener "la mayor calidad" en el aceite de oliva.
La iniciativa cuenta con el respaldo financiero del Ministerio de Industria y Turismo en el marco de la convocatoria 2023 de apoyo a las AEI para mejorar la competitividad de la industria española, según ha informado este miércoles el Centro Tecnológico del Olivar y del Aceite (Citoliva), una de las entidades participantes junto a las empresas Iteriam, Komorebi y Sensowave.
En su segunda fase, busca desarrollar un modelo robusto de predicción del momento óptimo de recolección de la aceituna, aprovechando datos históricos y actuales de tipo meteorológico, fenológico y satelitales y de sensórica.
Citoliva, con sede en el parque tecnológico Geolit, en Mengíbar (Jaén), ha explicado que se pretende maximizar la producción de aceite de oliva y mejorar su calidad. Para lograrlo, Inoleo ha ampliado el perímetro geográfico de búsqueda y recopilación de datos, así como el tipo de fincas seleccionadas con el fin de comprender mejor el comportamiento del modelo en función de parcelas de olivares de campiña o sierra, entre otras variables.
Además, ha comenzado a crear una base de datos exhaustiva sobre la composición físico-química y sensorial del aceite de oliva por parcela y en diferentes momentos de maduración, utilizando el sistema Abencor para la extracción de aceite a pequeña escala.
"Esta información resulta fundamental para el desarrollo del modelo, ya que los datos de calidad del aceite de oliva no suelen estar disponibles de manera desagregada en las cooperativas o almazaras", ha afirmado.
Los equipos de Iteriam y Komorebi han trabajado en paralelo en el procesamiento de datos históricos de producción, estado fenológico y fitosanitario del cultivo, así como en la información proporcionada por los sensores, las estaciones meteorológicas y los satélites.
Iteriam ha realizado el análisis y modelado de la correlación entre estos datos, además de diseñar el sistema de integración de información en el modelo. Por otro lado, Komorebi ha desarrollado un modelo inicial de relación entre fenología y meteorología como base para el desarrollo del modelo de identificación del momento óptimo de cosecha.
Por último, Sensowave ha contribuido a la investigación incrementado el número y tipo de sensores, especialmente estaciones de suelo para el monitoreo de fincas, mejorando así la precisión de la información recopilada.
Publicidad