Título: BEHToolL“Herramientas basadas en Inteligencia Artificial para la identificación del Momento Óptimo de Cosecha en Olivar/Best Harvesting Time AI-based Tools for Olive Groves”

Objetivo principal:

Desarrollar 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.

Objetivos específicos:

BeHTool aborda un desarrollo tecnológico que da respuesta a un reto social relevante para el sector del olivar: buscar la diferenciación en la calidad y en los atributos que más valora el consumidor global. El proyecto va a desarrollar los conocimientos necesarios para aportar soluciones a los problemas asociados a este reto, recurriendo para ello a la investigación industrial.

El objetivo principal puede desdoblarse en los siguientes objetivos individuales:

  • OG-01: Estudiar y monitorizar la producción de aceituna en función de distintas variables
  • OG-02: Identificar el momento óptimo de recolección
  • OG-03: Maximizar la producción de aceites de mayor valor añadido.

Estos objetivos generales individuales implican la consecución de los siguientes objetivos específicos:

  • OE-01: Definir un adecuado entorno para alcanzar los objetivos de investigación del proyecto y, además, permita planificar de manera eficaz el futuro entorno de producción en el que actuará la plataforma BeHTool
  • OE-02: Identificar las variables de suelo, planta y clima que mejor van a definir el desarrollo y maduración de la aceituna, así como su efecto en el crecimiento y la calidad de esta
  • OE-03: Identificar las principales fuentes de datos de sensores remotos de Teledetección (y obstáculos potenciales de acceso), que permitan estimar las mencionadas variables de interés.
  • OE-04: Identificar los principales tipos de sensores de proximidad IoT (y obstáculos potenciales de uso y gestión), que permiten estimar las mencionadas variables de interés.
  • OE-05: Identificar las principales fuentes de datos administrativos que reflejan diferentes analíticas de campo a lo largo de distintas campañas (y obstáculos potenciales de uso y gestión), que permiten estimar las mencionadas variables de interés.
  • OE-06: Desarrollar una metodología específica de gestión de las múltiples fuentes de datos, de manera que se garantice una correcta operación futura de la plataforma en escenarios en permanente evolución tecnológica
  • OE-07: Optimizar los componentes de comunicaciones e integración de las redes de sensores previstas para las explotaciones del proyecto, recurriendo al software FIWARE, en tanto que middleware sugerido por la Comisión Europea para la gestión de redes IoT, para la conectividad e integración de los distintos sensores de campo con la plataforma
  • OE-07: Diseñar y construir una infraestructura BigData en la que se integre eficientemente un conjunto verdaderamente exhaustivo de datos que describen el contexto en el que se desarrolla el cultivo (clima, suelo, planta, etc.) del olivar, definiendo procedimientos eficientes de captura y alimentación de todos esos datos en la infraestructura
  • OE-08: Construir una herramienta inteligente al dotarla de componentes analíticos AI que sean capaces de elaborar modelos descriptivos y predictivos fiables a partir de los múltiples datos almacenados en los repositorios de la plataforma
  • OE-09: Desarrollar una solución de Smart-Agriculture para la optimización de cultivos de olivar, que incorpore información de fuentes de datos diversas, las integre y analice en conjunto y genere información de valor y recomendaciones para el manejo del cultivo, incluyendo detección de situaciones de estrés hídrico y nutricional monitorización de los parámetros fisiológicos clave que determinan la calidad y el rendimiento de la producción, y permitan identificar, entre otros indicadores, el momento óptimo de cosecha
  • OE-10: Construir componentes DSS (Decision Support Systems) que sean fácilmente utilizables por los agricultores y les permitan acceder e interpretar loa componentes analíticos de la plataforma

Resultados esperados:

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 componentesDurante la Primera Anualidad, actualmente en curso, se desarrollan 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). Socios participantes: El consorcio que ejecuta el proyecto se compone de empresas especializadas en los tres ámbitos tecnológicos principales de actuación del mismo (redes IoT, BigData e IA), con capacidades óptimas para la aplicación de la investigación y el desarrollo de ideas innovadoras en los citados ámbitosAsí, cada una de las cuatro empresas participantes desarrolla sus trabajos en uno de los tres ámbitos tecnológicos específicos citados:

Iteriam es responsable de la construcción de los componentes BigData que constituyen el módulo DMS, dada su amplia experiencia en este campo y sus referencias en la construcción de estos repositorios para grandes empresas líderes en sus mercados

PiperLab es responsable del núcleo fundamental del proyecto, es decir, la elaboración de las capacidades analíticas de BeHTool, construidas a partir de métodos y técnicas de IA. Dada la especial complejidad de este ámbito, la empresa cuenta con la colaboración de Komorebi que aporta su capacitación en algunos componentes analíticos específicos, en particular los asociados a DeepLearning

Sensowave es responsable de la integración y optimización de diferentes capas de las redes IoT de sensores de proximidad que va a utilizar el proyecto, aportando una experiencia y knowhow exhaustivas en ese ámbito, que constituye su razón de ser como empresa

Como apoyo imprescindible a los anteriores esfuerzos, CITOLIVA aporta la experiencia de negocio y los conocimientos funcionales agronómicos necesarios para la correcta construcción y posterior validación de los componentes tecnológicos (SMS, DMS y KMS) desarrollados en el proyecto por las empresas. Finalmente, la contribución de INOLEO permite garantizar la correcta realización de las necesarias tareas de gestión del proyecto y de comunicación y difusión de sus resultados, dada su amplia experiencia en el desarrollo de esas tareas en otras iniciativas de investigación semejantes a la actual.

Duración: 05/2023 al 04/2024

Presupuesto: 295.858 €

Organismo financiador: Ministerio de Industria, Comercio y Yurismo dentro del programa de apoyo a las AEIs para contribuir a la mejora de la competitividad de la industria española, y con el apoyo de la Unión Europea a través del Plan de Recuperación, Transformación y Resilienciapoyo de la Unión Europea a través del Plan de Recuperación, Transformación y Resiliencia