Grupo de traballo SMARTOLIVAR360: Modelización preditiva do rendemento do sector do oliveiral mediante intelixencia aumentada
- Tipo Grupo operativo
- Estado En proceso
- Execución 2026 -2029
- Orzamento asignado 585.225,00 €
- Ámbito Supraautonómico
- Comunidade Autónoma Andalucía; Galicia; Madrid, Comunidad de
- Fonte principal de financiamento PAC 2023-2027
Intégrase no modelo un módulo de recomendacións agronómicas prescritivas, que traduce as predicións en consellos de xestión específicos (rego, fertilización, tratamentos fitosanitarios, poda) para cada explotación. As recomendacións baséanse en regras de decisión e aprendizaxe automática, suxerindo accións concretas (por exemplo, axustar o rego en función da previsión meteorolóxica ou adiantar a colleita en determinadas explotacións) para mellorar a produtividade ou a calidade esperada. Esta proposta representa un salto cualitativo da predición pasiva de datos á acción proactiva. As ferramentas actuais poden predicir colleitas ou riscos (pragas, clima adverso), pero non indican "que facer" a continuación. SmartOlivar360 pecha esta brecha xerando de forma automática e científica directrices agronómicas personalizadas (relacionadas co rego, a fertilización, a poda, a xestión de pragas, etc.) para mellorar o rendemento. Ningunha solución de IA aplicada aos oliveirais ofrece hoxe en día este paso adicional de prescrición, o que converte a SmartOlivar360 nun proxecto pioneiro na tradución de datos en decisións prácticas para o agricultor.
A aplicación móbil "SmartOlivar360" foi desenvolvida cunha interface intuitiva e multilingüe, que permite aos agricultores consultar as predicións de colleita para as súas parcelas e recibir alertas e recomendacións en tempo real. A aplicación contará con elementos visuais sinxelos (indicadores de semáforos, calendarios de tarefas suxeridos e mapas básicos), o que garantirá a súa usabilidade mesmo para usuarios con experiencia dixital limitada. O proxecto fai fincapé nunha experiencia de usuario sinxela e intuitiva. A aplicación e as súas interfaces desenvolveranse empregando principios de deseño rural centrado no usuario, validando prototipos con agricultores reais para garantir que a ferramenta sexa comprensible e útil no campo desde o primeiro día. A información e as alertas presentaranse dun xeito claro e práctico.
Implementouse un sistema de mensaxería agronómica (chatbot multicanal) que funciona a través de WhatsApp/SMS para usuarios que non empreguen teléfonos intelixentes avanzados. Este chatbot enviará alertas personalizadas (por exemplo, alto risco de pragas na zona con recomendacións de tratamento) e responderá ás preguntas frecuentes dos agricultores (como "Cando debería regar esta semana?" con respostas baseadas nos datos de humidade do solo e nas previsións de precipitacións). Isto amplía a accesibilidade da innovación a calquera teléfono móbil, superando a brecha de conectividade. O sistema poderá usar canles tradicionais (como SMS ou mensaxes de WhatsApp) e empregará dispositivos plug-and-play accesibles. Esta estratexia permite que calquera olivicultor, mesmo en zonas rurais remotas ou con recursos limitados, se beneficie da ferramenta sen barreiras tecnolóxicas ou económicas.
Un kit de sensores agroclimáticos integrados e de baixo custo que se conecta á plataforma de xeito plug-and-play. Inclúe prototipos de sensores inalámbricos (alimentados por enerxía solar ou baterías de longa duración) para medir parámetros críticos no campo (humidade do solo, temperatura ambiente e estado dos nutrientes das árbores mediante sensores foliares sinxelos). Os sensores sincronizaranse automaticamente coa aplicación (a través de Bluetooth ou LPWAN) e os seus datos en tempo real alimentarán o modelo preditivo, aumentando a precisión local das predicións e recomendacións. Isto permitirá a escalabilidade modular da solución: desde agricultores que usan só datos de satélite e medios ata aqueles que incorporan sensores para recomendacións personalizadas nas súas explotacións.
Validación piloto do sistema de IA en oliveiras reais. Xeraranse informes de resultados que demostren as melloras acadadas (por exemplo, un aumento do X % na precisión da previsión da colleita en comparación cos métodos tradicionais ou reducións do Y % nos insumos grazas ás recomendacións), verificando a eficacia do modelo e refinando os seus parámetros coa retroalimentación de cada tempada. Desde o seu inicio, o proxecto foi deseñado para a escalabilidade e un amplo impacto no sector do aceite de oliva. A solución basearase nos recursos dispoñibles en toda España, polo que se pode replicar facilmente máis alá da rexión piloto de Andalucía a outras comunidades olivícolas.
Realizouse un programa de formación e demostracións piloto coa participación de cooperativas olivícolas e asociacións locais. Polo menos 100 agricultores con diversas orixes probarán a plataforma nunha fase piloto, recibindo formación práctica para interpretar predicións e aplicar recomendacións. Recolleranse as súas suxestións para mellorar a usabilidade. Esta iniciativa ten como obxectivo garantir a adopción efectiva da tecnoloxía mediante a formación dos usuarios finais e a creación de confianza na ferramenta a través de historias de éxito locais.
Programación do plan de acción de difusión. Trátase do conxunto de actividades que conforman a estratexia xeral de difusión do grupo operativo. Esta estratexia inclúe o desenvolvemento do manual de identidade corporativa, o sitio web, notas de prensa, artigos de difusión de resultados e todas as demais actividades de comunicación, incluídos os eventos de difusión. Este traballo levarase a cabo a nivel nacional, xa que cremos que a promoción do sector do aceite de oliva debe abarcar todo o país. Todo isto farase recoñecendo tamén a importancia de celebrar eventos nas principais zonas onde se atopan as oliveiras. En concreto, as actividades celebraranse en Madrid, Andalucía, Aragón e Castela-A Mancha.
A creación de materiais audiovisuais é unha parte importante da difusión do proxecto e os seus resultados, e hoxe en día é un dos métodos máis populares entre o público en xeral. O material audiovisual xerado neste proxecto ten un formato ideal para engadir contido ao sitio web corporativo do proxecto (e os socios tamén poden incluílo nos seus respectivos sitios web), así como nas redes sociais de todos os beneficiarios do GO. Para maximizar o alcance do contido, empregaremos medios de pago, o que mellorará a nosa capacidade para chegar a un público máis amplo.
Avaliación do alcance das actividades de difusión, que teñen como obxectivo proporcionar datos concretos sobre o impacto real das iniciativas de comunicación. O alcance é nacional, xa que estes informes están destinados ás administracións que avalían a posta en marcha das actividades do proxecto. A dispoñibilidade no sitio web corporativo tamén significa que a información é accesible en todo o país. A información aloxarase no sitio web para que estea dispoñible para calquera persoa que desexe consultala. As fontes de verificación (KPI) serán: informes de KPI, publicacións dixitais (número de destinatarios), sitio web (número de visitas e usuarios), seminarios (número de asistentes, fotografías) e informes de impacto.
Un modelo preditivo de rendemento do oliveiral, desenvolvido e adestrado con datos do mundo real (produtividade, clima, solo, xestión), é capaz de predicir a produción de oliveira e aceite por parcela cunha baixa taxa de erro nas probas de validación. Intégrase no modelo un módulo de recomendacións agronómicas prescritivas, que traduce as predicións en consellos de xestión específicos (rego, fertilización, tratamentos fitosanitarios, poda) para cada explotación. A aplicación móbil "SmartOlivar360", coa súa interface intuitiva e multilingüe, permite aos agricultores consultar as predicións de colleita para as súas parcelas e recibir alertas e recomendacións en tempo real. Implementouse un sistema de mensaxería agronómica (chatbot multicanal) que funciona a través de WhatsApp/SMS para usuarios sen teléfonos intelixentes avanzados. Un kit de sensores agroclimáticos integrados e de baixo custo conéctase á plataforma mediante plug-and-play.
Inventario e limpeza de datos históricos. Adestramento e validación inicial do modelo. Implementación e axuste continuo de MLOps. Deseño de regras e lóxica prescritiva. Probas piloto de recomendacións en granxas de demostración. Refinamento con comentarios de campo. Prototipo beta de Android. Probas de campo e melloras de UX. Lanzamento estable e taboleiro de tarefas. Desenvolvemento de backend e NLP. Probas piloto con usuarios iniciais. Escalado e optimización. Deseño e fabricación de prototipos. Instalación e calibración de campo. Telemetría e mantemento. Protocolo de referencia. Campaña piloto inicial. Campaña piloto adicional e análise de impacto. Deseño de materiais e plan de formación. Realización de obradoiros e apoio. Historias de éxito e avaliación da adopción.
Desenvolver e implementar unha solución innovadora de intelixencia aumentada para oliveiras que permita unha predición precisa da colleita e optimice as decisións agronómicas para os produtores, mellorando a sustentabilidade e a competitividade do sector.
- Nome do coordinador/entidade: Unión de Pequenos Agricultores e Gandeiros (UPA)
- Enderezo postal: Agustín de Betancourt 17, 3.º andar, Madrid
- Correo electrónico do coordinador/entidade: upa@upa.es
- Teléfono: 915541870
- Unión de Pequeños Agricultores y Ganaderos (UPA)
- Xymbot Digital Solutions SL
- UNION DE PEQUEÑOS AGRICULTORES Y GANADEROS DE JAEN (UPA JAEN)
- SOCIEDAD COOPERATIVA ANDALUZA SAN VICENTE
- FUNDACION TECNALIA RESEARCH & INNOVATION
- UPA ARAGON
- UPA CLM