Este proyecto pionero busca revolucionar la forma en que se gestiona el cultivo del olivar para maximizar la producción de aceite de oliva.
BeHTool está marcando un hito en la gestión del cultivo del olivar al emplear tecnología de Inteligencia Artificial para determinar el momento preciso de recolectar la aceituna. Liderado por la AEI NOLEO, que gestiona Citoliva, en colaboración con las empresas Iteriam, Komorebi y Sensowave, ha recibido el respaldo financiero del Ministerio de Industria y Turismo en el marco de la convocatoria 2022 de apoyo a las AEI para mejorar la competitividad de la industria española.
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. El objetivo es maximizar la producción de aceite de oliva y mejorar su calidad.
Para lograr este propósito, 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.
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.