Evocato, la herramienta que predice la madurez del aguacate con Inteligencia Artificial, perfecciona su prototipo
La herramienta es fruto del trabajo realizado durante tres años por la Universidad de Granada, nazaríes intelligenia, Terceto, Fidesol y La Caña
Según datos facilitados por el Ministerio de Agricultura, Pesca y Alimentación (MAPA), España cerró la campaña 2022 con una producción de aguacates superior a las 116.000 toneladas. Una cifra que representa, según esta misma fuente, un incremento de más del 16% con respecto a la campaña 2021.
Por sus características fenológicas y organolépticas, las cuatro principales variedades de cultivo en nuestro país son Hass, Fuerte, Reed y Bacon. Todas ellas comparten una característica común y muy preciada en un entorno donde prima el cuidado del medio natural: su baja huella de carbono, gracias a la cercanía de los mercados de consumo de estos frutos.
Desde hace algún tiempo, el consorcio integrado por onTech Innovation -referente por las líneas de trabajo que está desarrollando en materia tecnológica-, el grupo de investigación ECsens de la Universidad de Granada, la Fundación I+D de Software Libre (FIDESOL), nazaries intelligenia, Grupo La Caña -una de las mayores organizaciones agrícolas del sur de España- y Terceto Comunicación, trabajan en el proyecto Evocato. Una iniciativa encaminada a proponer una herramienta de determinación de la materia seca del aguacate -y, por lo tanto, de su grado de madurez-, basada en el machine learning y la Inteligencia Artificial.
El proyecto se ha desarrollado en dos fases previas –Streaming y 360- y ahora alcanza su tercera y última fase de estudio que permitirá profundizar en el conocimiento acerca del comportamiento de la app móvil y el sensor no invasivo que están llamados a revolucionar el sector de la producción de aguacates, gracias a su sistema de determinación del grado de madurez del fruto.
Esta tercera y última fase de Evocato se ha centrado en una de las tres variedades anteriormente mencionadas: la Bacon. Un tipo de aguacate que se caracteriza por su proliferación en las costas de Granada y Málaga y su cosecha temprana. Es decir, gracias a la variedad Bacon, el consumidor final puede disfrutar de aguacates de temporada y de proximidad desde mediados del otoño.
Una de las particularidades de esta variedad es que, además de ser muy cremosa con una textura similar a la mantequilla, sus frutos tienen una piel muy fina. Una característica que, aunque a nivel organoléptico es una gran ventaja, hace difícil determinar su grado de madurez. De ahí, el interés especial de continuar el desarrollo de la herramienta Evocato poniendo el foco en esta variedad.
Tanto la app móvil como el sensor no invasivo son ahora más versátiles, y sus modelos predictivos son ahora más robustos, con datos nuevos y actualizados. Se ha estudiado también la evolución en la producción de aguacates para interferir en los momentos clave de su cosecha, con el objetivo de que productores se puedan adaptar a las necesidades de cada mercado.
El perfeccionamiento de la técnica ha aumentado el potencial de éxito en las validaciones, mejorando tanto los modelos de predicción como la calidad de los datos con los que son entrenados, así como la fiabilidad.
Para usar Evocato, basta con anclar el sensor no invasivo a un dispositivo móvil vía bluetooth, al igual que se hace con el dispositivo manos libres de un coche. A continuación, será necesario acercar el sensor al fruto y la app móvil procesará los datos obtenidos y los pondrá en relieve con los valores aportados por los estudios previos, llevados a cabo antes del desarrollo del prototipo de sensor y la app móvil.
El productor dispondrá de tres acciones con los datos extraídos en las diferentes tomas. Se podrán desechar, a la espera de nuevas tomas. Se podrán organizar por lotes, fincas u otras variables o se podrán compartir con otras áreas de negocio -logística, calidad o trazabilidad- u otros productores. Esto último será posible gracias a la tecnología Cloud que ha incorporado la app móvil.
Los comentarios están cerrados.