¿Qué aportaciones de la Cátedra Internacional de Inteligencia Artificial y Agricultura en la UCO destacarías como más relevantes para el sector oleícola?
La Cátedra Internacional de Inteligencia Artificial y Agricultura de la Universidad de Córdoba nace para acompañar al sector agroforestal y agroalimentario en general, y al oleícola en particular, para poder aprovechar el potencial que la IA ofrece. Junto con otras instituciones de primer nivel y empresas líderes en el sector, hemos identificado cuatro áreas técnicas que consideramos esenciales para que la IA avance en el sector agroalimentario. El desarrollo de Espacios de Datos, ya que la disponibilidad de datos en cantidad y en calidad es una necesidad para avanzar en la generalización y utilidad de la IA; los asistentes virtuales para el asesoramiento de técnicos y agricultores en distintos ámbitos de especialización (seguimiento del cultivo, monitorización de plagas y enfermedades, gestión de la empresa…); los modelos predictivos para la predicción de cosecha, de demanda de insumos, o para la clasificación de productos en función de sus características de calidad; y, por último, los gemelos digitales, con avances importantes en almazaras y equipos de riego.
Además de estas cuatro áreas técnicas, este proyecto está también enfocado a las actividades de formación y capacitación, así como a la difusión y divulgación para acercar esta tecnología a un sector al que tanto puede aportar.
¿Qué líneas de investigación y proyectos relativos a la Inteligencia Artificial relacionados con el sector del olivar y del aceite de oliva está llevando a cabo la UCO?
La UCO cuenta con grupos de investigación con trayectorias de más de 30 años en distintos ámbitos del sector oleícola, que hoy en día están impulsando proyectos en los que la IA es protagonista. Es el caso del Grupo ISAG de Ingeniería de Sistemas de Producción Agroganaderos (AGR128), dirigido por la profesora Dolores Pérez Marín, que está liderando el desarrollo de aplicaciones de la tecnología NIRS para la innovación en el control de calidad de aceite de oliva en almazaras usando sensores NIRS. Recientemente, ha coordinado el Grupo Operativo NIROleo, abordando la automatización del control de calidad de aceite de oliva mediante el uso in situ de sensores espectrales NIR para controlar en tiempo real la calidad fisicoquímica y organoléptica del aceite de oliva. Actualmente, se desarrolla un nuevo proyecto del Grupo Operativo Authenoleo, que persigue avanzar en la digitalización analítica de la industria de obtención de aceite de oliva, incorporando nuevas aplicaciones que incluyan la caracterización integral de las propiedades nutricionales de mayor relevancia para el consumidor más exigente (antioxidantes, ácidos grasos).
España destaca en el uso de IA para la predicción de cosechas, el monitoreo de enfermedades o la optimización del riego
Por su parte, el Grupo de Investigación AGR 163 “Entomología Agrícola”, dirigido por el profesor Enrique Quesada, tiene una amplia experiencia en el uso de los hongos entomopatógenos y sus extractos para el control de la mosca del olivo (Bactrocera oleae). Están desarrollando trampas electrónicas que permitan la identificación y detección del insecto de manera automática, y la emisión de la alerta sanitaria si ha llegado al umbral de tratamiento para que puedan tomarse las medidas de control necesarias a través de proyectos como “Commercialization of an Automated Monitoring and Control System against the Olive and Med Fruit Flies of the Mediterranean Region (FruitFlyNet-ii)” o el proyecto DIGECO-FLY para el seguimiento remoto de la mosca del olivo y su control microbiano.
El Grupo de Investigación AGR 124, dirigido por el profesor Javier Mesas, centra su actividad fundamentalmente en la geomática aplicada al sector agroalimentario y forestal, y en los últimos años están trabajando en el análisis del comportamiento de variedades de olivar en alta densidad frente a riego y secano apoyando a programas de mejora del olivo. Además, mediante algoritmos de Inteligencia Artificial han desarrollado modelos de detección de malas hierbas, como conyza, o la clasificación de recintos agrícolas SIGPAC según sistemas de plantación.
En el caso del Grupo Hidráulica y Riego AGR 228, dirigido por el profesor Emilio Camacho, su actividad se centra en la actualidad en el uso de aguas regeneradas para el riego de olivar, en la optimización del fertirriego considerando este tipo de agua (programa Reutivar) y en la caracterización del fertilizante nitrogenado en la red de riego (programa Nitrinet). Están logrando avances importantes en la predicción de la cosecha a través de datos climáticos y datos históricos aplicando técnicas de Inteligencia Artificial y en el riego de precisión incorporando energía fotovoltaica que favorezca una gestión óptima del agua y un ahorro energético.
El Grupo UCOLIVO (AGR 157), dirigido por la profesora Concepción Muñoz, ha liderado el proyecto GEN4OLIVE, que ha finalizado recientemente con la publicación de la base de datos más completa del mundo sobre variedades de olivo y el desarrollo de herramientas tecnológicas que hacen más eficientes los programas de mejora. Este proyecto ha logrado el desarrollo de una infraestructura digital para garantizar el acceso abierto a los datos, que permitirá que, por primera vez, cualquier persona interesada en el olivo disponga de información accesible y fácil de interpretar. Además, en el marco de GEN4OLIVE se han creado dos aplicaciones inteligentes para identificar variedades de olivo y detectar enfermedades a partir de imágenes, apps que están disponibles gratuitamente desde marzo de 2025. En concreto, OliVaR es una aplicación basada en deep learning que permite identificar 130 variedades de olivo a partir de imágenes del endocarpo. También, en el marco del mismo proyecto, se ha desarrollado OliVaR2, una aplicación para la identificación automática de las principales plagas y enfermedades del olivo. Entrenada con más de 10.000 imágenes, esta aplicación es capaz de identificar 17 plagas y enfermedades con una precisión del 96%. Ambas aplicaciones integran tecnologías avanzadas como Grad-CAM, que permite interpretar las decisiones del modelo, alineando la IA con los criterios morfológicos utilizados por expertos humanos. Los resultados de GEN4OLIVE demuestran el enorme potencial de la Inteligencia Artificial para el manejo de los recursos genéticos de olivo, permitiendo una toma de decisiones rápida, precisa y económica.
Por último, la Cátedra IA-Agricultura ha desarrollado la plataforma “AgroFIWARE”, un entorno centralizado para la agregación, procesamiento y análisis de información agronómica. Esta plataforma integra información proveniente de una amplia gama de sensores (redes LoraWAN, SigFOX, 3G, 4G, GSM, NBIoT), sensores embarcados en vehículos aéreos no tripulados (UAVs) y vehículos terrestres, datos satelitales y fuentes de información generadas por modelos de negocio, incluyendo open data. La capacidad de procesar datos en tiempo real, junto con la aplicación de técnicas avanzadas de análisis, permite la generación de inteligencia de valor añadido para los diferentes actores del sector agroalimentario en general y oleícola en particular.
¿Qué aplicaciones concretas de la IA subrayarías en el ámbito agronómico, industrial y de la comercialización del aceite de oliva?
Sin duda, la IA en el sector oleícola es ya una realidad, pero queda mucho camino por recorrer y mucho que ajustar. Se trata de utilizar una tecnología para tomar mejores decisiones apoyadas en datos, hay que conocer muy bien para qué esa tecnología. Son aplicaciones útiles para aprovechar mejor los recursos, entre los que destaca de forma clara el agua, y la IA nos ayuda a hacer una gestión inteligente del aprovechamiento de ese recurso tan escaso. También nos ayuda a adelantarnos a plagas y enfermedades, a posicionarnos mejor en los mercados, a mejorar la logística, a predecir cosechas o a controlar y mejorar la calidad del aceite de oliva.
¿Desde tu punto de vista en qué lugar se encontraría España en materia de digitalización y aplicación de Inteligencia Artificial en olivicultura? ¿Somos pioneros en algunos campos?
España ocupa un lugar destacado en materia de digitalización y aplicación de la IA en olivicultura. Muchas empresas agrotech españolas trabajan activamente con cooperativas, universidades y centros tecnológicos para impulsar el desarrollo y el uso de herramientas basadas en IA.
España destaca en el uso de IA para la predicción de cosechas mediante imágenes satelitales y datos meteorológicos; el monitoreo de enfermedades mediante visión por computadora y algoritmos de detección temprana; o la optimización del riego integrando sensores, IA y modelos predictivos.
Igualmente, España ocupa un lugar destacado en el ámbito de la utilización de la IA para la trazabilidad, la clasificación de aceites de oliva o la cuantificación de parámetros de calidad. Proyectos como Innolivar o GEN4OLIVE han sido referencias internacionales.
¿Qué barreras consideras que están dificultando que el sector oleícola pueda aprovechar todo el potencial que la IA ofrece? ¿Qué estrategias podrían ayudar a superarlas?
Es cierto que aún queda mucho camino por recorrer y mucho que adaptar a las especificidades de las necesidades del sector, pero no estamos frente a un problema exclusivamente tecnológico, sino que encontramos barreras importantes de formación, de tipo cultural, de dimensión-tamaño y económicas, así como asociadas a la conectividad en algunos espacios rurales.
Por estos problemas y por los riesgos que existen de mal uso de esta tecnología, la IA puede generar incertidumbre sobre su funcionamiento y su eficacia real en el campo, lo que puede traducirse en la barrera que considero más limitante, la falta de confianza.
Frente a estas barreras, es esencial entender que la IA es sólo una herramienta, que viene a acompañar el conocimiento y la experiencia, no a sustituir. Hoy en día hablamos mucho de la revolución de la IA, pero nuestra preocupación no es la revolución de la IA sino la revolución del sector agroalimentario utilizando la IA. La primera clave, por tanto, es poner al sector en el centro, que la IA entienda su heterogeneidad, sus especificidades y sus necesidades. La segunda clave es la formación y la capacitación: dominar la herramienta sin conocer el sector sirve de poco, por lo que son necesarios profesionales con competencias agroalimentarias y digitales a la vez, pero también es imprescindible avanzar en la capacitación de todo el sector. La tercera clave con las alianzas, la cooperación público-privada, esencial para crear ecosistemas de acompañamiento a la innovación que faciliten la transferencia al sector, y la respuesta a las necesidades reales. Sin ese acompañamiento, la integración de la IA en la agricultura puede resultar complicada. Y por último destacaría la necesidad de una correcta regulación y gobernanza que facilite el buen uso de la IA en el sector.
