oleorevista.com

“Todo el flujo está automatizado, lo que facilita su integración en plataformas de gestión agrícola o sistemas de ayuda a la decisión”, destaca Isabel Castillejo, del Departamento de Ingeniería Gráfica y Geomática de la UCO.Este avance tecnológico elimina la necesidad de inspecciones de campo o técnicas de fotointerpretación, lo que reduce costes y tiempos en la monitorización de grandes extensiones de olivar.Hacia el monitoreo del estrés hídricoActualmente, el equipo trabaja en nuevas aplicaciones de esta tecnología, entre ellas la detección y predicción del estrés hídrico en el olivar mediante el mismo enfoque: imágenes satelitales combinadas con Deep Learning.

Investigadores del grupo de Hidráulica y Riegos de la Unidad de Excelencia 'María de Maeztu' del Departamento de Agronomía de la Universidad de Córdoba (DAUCO) han desarrollado un modelo basado en la arquitectura 'Transformer' de 'Deep Learning' para predecir con alta precisión la demanda real de agua y energía en agricultura, ofreciendo una herramienta valiosa para las comunidades de regantes en la toma de decisiones.El proyecto HOPE, centrado en el desarrollo de un modelo holístico de riego de precisión, incorpora la Inteligencia Artificial para proporcionar estimaciones rigurosas de la cantidad de agua necesaria para satisfacer las necesidades de los cultivos.

La Universidad de Jaén (UJA), a través del grupo de investigación SIMIDAT, desarrolla un proyecto de Inteligencia Artificial para avanzar en el conocimiento sobre la conservación y uso del aceite de oliva.