La novedad radica en el el empleo de un chipset neuromórfico que aumenta la eficiencia del deshuesado de la aceituna y reduce el uso de recursos computacionales, lo que permite realizar este trabajo con arduinos, raspberry pi y otros equipos informáticos de bajo coste, según ha informado este centro docente.
El sistema evita que se derroche producto, lo que se traduce, a su juicio, en una auténtica revolución en el sector al tener unos retornos económicos altos y rápidos. Además, permite deshuesar 2.500 aceitunas en un minuto. De hecho, ya lo están utilizando varias empresas de Andalucía.
El sistema se ha desarrollado en la tesis doctoral “Análisis del funcionamiento de la cadena de alimentación de las máquinas deshuesadoras de aceitunas mediante diagnosis por visión artificial y redes neuronales” defendida por Manuel de Jódar y dirigida por los doctores José Miguel Molina, investigador responsable del grupo Grupo de Ingeniería Agromótica y del Mar de la UPCT; Antonio Madueño, de la Universidad de Sevilla; y Antonio Ruiz, de la Universidad Miguel Hernández.
El sistema desarrollado predice los posibles errores de deshuesado a través de visión artificial y predice si una aceituna se va a deshuesar correctamente, en función de la posición de la aceituna previa al deshuesado.
Durante la investigación se ha desarrollado una electrónica y software propios, ya que “en el mercado no hay dispositivos comerciales que procesen la información recibida a tan alta velocidad”, ha explicado el director de la tesis y profesor del Departamento de Ingeniería Agronómica.
En la actualidad, el grupo de investigación Ingeniería Agromótica y del Mar de la UPCT, junto a investigadores las universidades de Sevilla y Miguel Hernández, está trabajando en la posibilidad de expulsar aquellas aceitunas que están mal posicionadas y probar otras redes neuronales de hardware más actuales.
El grupo de Ingeniería Agromótica de la UPCT trabaja en temas de visión e inteligencia artificial desde el año 2015.
