Fundacion Citoliva

bannernoticias

La AEI INOLEO, promovida por Citoliva, mejorará la calidad de los aceites españoles a través de técnicas de visión artificial

Email Imprimir

 

va_olives

La Agrupación de Empresas Innovadoras del sector oleícola trabaja en el desarrollo de un novedoso sistema, financiado por el Ministerio de Energía, Turismo y Agenda Digital, que permitirá prever el comportamiento de la aceituna durante su procesado en la almazara, y posibilitará una trazabilidad completa del producto, a través de la clasificación del fruto en el patio por técnicas de visión artificial.

 

La Agrupación de Empresas Innovadoras del sector oleícola (AEI), INOLEO, impulsada por CITOLIVA, trabaja en el marco del proyecto de cooperación ‘“VA_Olives”’, financiado por el Ministerio de Energía, Turismo y Agenda Digital en la Convocatoria 2017 de AEIs, en el desarrollo de una tecnología pionera en España, basada en técnicas de visión artificial, que permitirá caracterizar de manera automática la aceituna en su recepción en la almazara, para evaluar la calidad potencial del fruto (estado de maduración, estado sanitario, procedencia, presencia de frutos con enfermedades o plagas, etc.), posibilitando una clasificación previa del fruto y, por tanto, una mejora de la calidad y competitividad de los aceites obtenidos.

 

Este prototipo fiable, fácil y asequible para la industria oleícola, en cuyo desarrollo cooperan Citoliva, Cooperativas Agro-alimentarias de Andalucía, y las empresas OLIVE OIL BIOTECH e IMATEC31, se implantará en una almazara industrial en condiciones reales de trabajo, con el objetivo de automatizar el proceso y evitar así una desafortunada decisión en cuanto al tratamiento del fruto en el patio, siendo el sistema el que decida la tolva de almacenamiento y el proceso de limpieza, lavado etc. que deba de hacerse sobre el mismo. Para ello, se integrará la nueva información generada en el sistema de gestión del patio de la almazara a través de un protocolo de comunicación. De esta manera, el nuevo prototipo permitirá prever el comportamiento de la aceituna durante su procesado en la almazara, y contribuirá a mejorar las características de los aceites obtenidos y posibilitará una trazabilidad completa del producto.

 

Se basa en el análisis de imágenes y se compondrá de diversos subsistemas eléctricos y optoelectrónicos que se incluyen en el desarrollo en este proyecto, de un hardware (sistemas de iluminación y visión artificial) y un software (programas de comunicación y algoritmos de evaluación de la calidad del fruto). Para el diseño de estos algoritmos y validación de los modelos, no solo se tendrá en cuenta la caracterización visual del fruto, sino que se procederá al análisis de sus características físico-químicas y sensoriales en un laboratorio. De esta forma se podrá cuantificar la capacidad predictiva del prototipo desarrollado, evaluándose la fiabilidad de la información generada por él. Al mismo tiempo se comprobará la correcta integración de la nueva información cualitativa y cuantitativa que genere éste en el Sistema de Gestión del Patio, y se evaluará el funcionamiento del sistema integrado en su conjunto.

 

Cristina De Toro, gerente de INOLEO, ha apuntado que a través este proyecto, enmarcado dentro de la Estrategia de la Industria Conectada 4.0, impulsada por el Ministerio de Energía, Turismo y Agenda Digital en la Convocatoria 2017 de AEIs, “nuestra asociación contribuirá a la modernización de la industria transformadora del Aceite de Oliva español y al aumento de la rentabilidad de este sector clave para nuestro país, desde un punto de vista socioeconómico y medioambiental. De Toro ha añadido, que INOLEO está trabajando en otros tres proyectos dentro de esta convocatoria, ‘“OleaCare”’, ‘“Smart Effergy” y ‘“Riego eficiente”’, que permitirán la utilización de compuestos bioactivos derivados de la cadena de valor oleícola en cosmética y nutricosmética, la gestión energética de almazaras a través de la Inteligencia Artificial y el Big Data, y la optimización de regadíos de acuerdo a criterios meteorológicos, respectivamente.