Abstract: Este trabajo analiza el uso de sistemas sensoriales avanzados en la industria y agricultura para mejorar la calidad, rendimiento y sostenibilidad en la producción de aceite de oliva virgen. En el ámbito industrial, se propone un modelo de fabricación cero defectos que utiliza inteligencia artificial y aprendizaje automático para optimizar parámetros clave en tiempo real, reduciendo defectos y desperdicios. En el sector agrícola, se desarrollan modelos basados en datos multiespectrales capturados por drones para estimar el contenido foliar de nutrientes en olivos, alcanzando coeficientes de determinación de hasta 0.91 para nutrientes como nitrógeno, fósforo y potasio. Además, se diseña un sistema avanzado de procesamiento de imágenes para detectar copas de olivo en terrenos con densa vegetación en el suelo, utilizando triangulación de Delaunay y datos espaciales, logrando una sensibilidad de 0.77 y precisión de 0.71 sin recurrir a aprendizaje profundo ni datos 3D. This work analyses the use of advanced sensory systems in industry and agriculture to improve the quality, performance, and sustainability of virgin olive oil production. In the industrial sector, a zero defect manufacturing model is proposed, utilizing artificial intelligence and machine learning to optimise key parameters in real time, reducing defects and waste. In the agricultural sector, models based on multispectral data captured by drones are developed to estimate the nutrient content in olive tree foliage, achieving coefficients of determination of up to 0.91 for nutrients such as nitrogen, phosphorus, and potassium. Additionally, an advanced image processing system is designed to detect olive tree canopies in areas with dense ground vegetation, using Delaunay triangulation and spatial data. This method achieves a sensitivity of 0.77 and a precision of 0.71 without relying on deep learning or 3D data.
Processing Request
No Comments.