En la primera quincena de abril llegarán a su fin tres proyectos liderados por INOLEO, la Agrupación de Empresas Innovadoras (AEI) del sector proveedor oleícola, gestionada por Citoliva, el Centro Tecnológico del Olivar y del Aceite. Pertenecen al programa de ayudas “Programa de apoyo a las AEI para contribuir a la mejora de la competitividad de la industria española. Convocatoria 2023” y están financiados por el Ministerio de Industria, Comercio y Turismo.

El primero de ellos es ALMAZARA ÓPTIMA 4.0 “Digitalización de la almazara: aplicación de redes neuronales, sensórica, inteligencia artificial y gemelos digitales”, que busca aportar un mejor conocimiento de la fabricación del aceite, minimizando el riesgo que puede suponer obtener un aceite de menor calidad que el esperado por toma de decisiones erróneas o fuera de tiempo. La posibilidad de hacer pruebas virtuales de los procesos a través de un Gemelo Digital, o de predecir de forma inteligente, con los parámetros establecidos, cómo será la calidad final del aceite, ayudará a la toma de decisiones correctas que minimicen el sobrecoste, el consumo excesivo de la energía, la generación exagerada de productos contaminante y, finalmente, conseguir obtener un aceite final de la máxima calidad.

En concreto, ALMAZARA ÓPTIMA 4.0 ha trabajado durante 11 meses en optimizar los procesos productivos de la almazara mediante la toma de decisiones basadas en datos objetivos, conseguidos a través de la digitalización del proceso, monitorización mediante sensores específicos y empleo de la Inteligencia Artificial con desarrollo de redes neuronales aplicadas a los procesos de fabricación. También ha buscado el desarrollo de un Gemelo Digital de almazara, que pueda dar lugar a modelos predictivos para la mejora de la calidad del aceite de oliva, reducción de productos contaminantes y aumento de la eficiencia energética e hídrica durante los procesos de fabricación del aceite de oliva.

Además de INOLEO como coordinador, los otros socios de este proyecto son OLEOCAMPO SCA, CT CETEMET, NORLEAN, AMENDUNI IBÉRICA S.A., IMS PESAJE S.L. y SPECIALIZED SECURITY HUB S.L.

Identificación automática y objetiva del momento óptimo de recolección del olivar

En segundo lugar, BeHTool “Herramientas basadas en Inteligencia Artificial para la identificación del Momento Óptimo de Cosecha en Olivar/Best Harvesting Time AI-based Tools for Olive Groves” propone la construcción de una herramienta de Smart-Agriculture basada en el tratamiento masivo de datos de la cadena de valor del sector oleícola. Esta herramienta se apoya en diferentes tecnologías habilitadoras (AI, BigData e IoT, fundamentalmente.) y tiene como objetivo principal la identificación automática y objetiva del momento óptimo de recolección del olivar en aras de maximizar la producción de aceite de oliva de la calidad más alta, virgen y virgen extra.

 

La futura plataforma BeHTool construye tres módulos o componentes fundamentales:

 

·  SMS (Sensor Management System): Este módulo SMS es el encargado de gestionar la información que procede de las redes de sensores de proximidad IoT instaladas en las diferentes explotaciones que participan en el proyecto.
·  DMS (Data Management System): Este módulo DMS es el encargado del almacenamiento y gestión de toda la información que va a residir en la plataforma y se constituye como una infraestructura BigData donde tienen cabida de manera eficiente todos los datos que describen exhaustivamente las diferentes dimensiones del cultivo estudiado y de su evolución temporal.
·  KMS (Knowledge Management System): El módulo KMS es el encargado de aportar a la plataforma las capacidades de analítica avanzada y modelos predictivos que, basándose en los datos recogidos y almacenados en los anteriores módulos, emitan las predicciones acerca del momento óptimo de recolección, la predicción de producción en general o la predicción de los niveles de síntesis de determinados componentes.

El proyecto BeHTool se desarrollará en tres anualidades, la primera de las cuales finalizó en abril de 2023 y la segunda, que se encuentra en ejecución, se extiende desde el 15 de mayo de 2023 al 19 de abril de 2024. Durante la primera anualidad, se desarrollaron estos componentes SMS, DMS y KMS para preparar el entorno adecuado de investigación, comprobar los flujos de alimentación de datos, así como seleccionar un grupo relevante de datos IoT, analíticas de campo, administrativos y de Teledetección que permitan ir evaluando y probando diferentes técnicas y modelos predictivos con los que poder identificar el momento óptimo de recolección en determinadas tipologías de explotaciones de olivar (fundamentalmente Olivar de Campiña).
      

El consorcio que ejecuta el proyecto se compone de las empresas especializadas Iteriam, Komorebi y Sensowave.

Espectroscopía y nariz electrónica para detectar fitosanitarios en aceituna entera

Por último, el proyecto ESPECTROLIVE “investigación en el empleo de espectroscopía y tecnologías complementarias en la detección de fitosanitarios in situ en aceituna entera" se ha centrado en investigar la aplicación de tecnologías de espectroscopía y nariz electrónica para la detección de productos fitosanitarios en aceituna entera in situ, con el fin de asegurar el cumplimiento de los límites reglamentados para estos compuestos en aceites de oliva y realizar una supervisión en tiempo real del proceso de producción que permita una rápida identificación de problemas y adopción de medidas inmediatas relacionadas con la presencia de contaminantes, ayudando a reducir el desperdicio y mejorando la eficiencia y el control de calidad de los aceites de oliva, a la vez que realizar una clasificación apropiada del fruto, antes de su molturación, para conseguir aceites con “residuo cero”, muy valorados por el consumidor actual.

Los objetivos técnicos específicos de la idea planteada son los que se detallan a continuación:

 
· Nariz electrónica:

- Selección de sensores MOS que tengan sensibilidad a la presencia de las sustancias contaminantes seleccionadas en el proyecto.

- Diseño y desarrollo, a nivel electrónica y mecánico, de un prototipo de ENOSE que a escala de laboratorio permita poner en contacto los gases emitidos por los lotes de aceitunas con los sensores MOS seleccionados.

- Realizar medidas con la ENOSE a partir de los lotes de aceitunas y hojas generados.

- Diseño y desarrollo de una metodología software para el procesado del flujo de información procedente de la ENOSE desarrollada a escala de laboratorio, con el objetivo de calibrar el sistema ENOSE y obtener modelos de clasificación.
 
· Visión hiperespectral:

- Configurar el sistema hiperespectral basado en el equipo Pika L 400 - 1000 nm de la casa Resonon y en cinta transportadora de laboratorio. Realización de medidas tipo “pushbroom” sobre las muestras generadas artificialmente.

- Calibración y validación de modelos de predicción basada en los cubos hiperespectrales adquiridos de las muestras seleccionadas.

Identificación de las bandas de frecuencia más discriminantes desde el punto de vista cualitativo.

· Raman:
 
- Optimizar los parámetros de adquisición de espectros Raman para mejorar la resolución y precisión de los resultados (maximizar la relación entre señal y ruido).

- Identificar y cuantificar la concentración de fitosanitarios específicos en las muestras.

- Desarrollar modelos multivariantes para la clasificación de diferentes variedades de fitosanitarios y su evolución en función del tiempo.

Evaluar la sensibilidad y selectividad de la técnica en comparación con otras técnicas analíticas existentes.

Validar los resultados obtenidos mediante técnicas de validación cruzada y comparación con los valores de referencia.
 
· NIR (400 a 1.700 nm):
 
- Definir la configuración óptima para la adquisición de espectros de las aceitunas.

- Adquisición de los espectros y desarrollo de modelo predictivo. Se tratará de un modelo de tipo cualitativo que detecte presencia/ausencia de fitosanitarios.

- Como objetivo secundario se desarrollará de un modelo cuantitativo, sin embargo, debido a las bajas concentraciones a detectar las probabilidades de éxito son escasas.

- Validación de los modelos desarrollados en un entorno de laboratorio.

- Analizar las diferentes opciones de instalación del sensor NIR en una almazara para evaluar las necesidades de una posible integración en línea.
 
           
INOLEO, como coordinador del proyecto, está acompañado del resto de socios: SECPHO (SOUTHERN EUROPEAN CLUSTER IN PHOTONICS AND), AOTECH (ADVANCED OPTICAL TECHNOLOGIES S.L., ISR (INTEGRACIÓN SENSORIAL Y ROBOTICA S.L.), UNIVERSIDAD DE JAÉN (UJA) y UNIVERSIDAD DEL PAÍS VASCO (UPV/EHU).