Desde hace unos meses estamos inmersos en un proyecto muy diferente a los que estamos acostumbrados, ya que se enmarca dentro del sector agrotech, que pese a que tiene mucho potencial, todavía está a años luz de la transformación digital que están viviendo sectores como la banca, la industria o los medios de comunicación.
El proyecto denominado BeHTool se está realizando para la compañía Citoliva 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.
El 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.
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.
Además de este objetivo principal, Behtool tiene una serie de objetivos específicos en los que estamos trabajando:
- Definir un entorno adecuado que permita planificar de manera eficaz el futuro entorno de producción en el que actuará la plataforma BeHTool.
- 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.
- Identificar las principales fuentes de datos de sensores remotos de Teledetección que permitan estimar las variables de interés.
- Identificar las principales fuentes de datos administrativos que reflejan diferentes analíticas de campo a lo largo de distintas campañas que permitan estimar las mencionadas variables de interés.
- 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
- 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.
- 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.
- 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
- 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
- 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
El proyecto se está llevando a cabo en consorcio junto con las empresas Iteriam, responsable de la construcción de los componentes Big Data; Komorebi, aportando su capacitación en algunos componentes analíticos específicos asociados a DeepLearning; y Sensowave, responsable de la integración y optimización de las diferentes capas de las redes IoT de los sensores.
