La Universidad Loyola y AgroTech Automations han puesto en marcha en 2026 un Doctorado Industrial para diseñar sistemas inteligentes de apoyo a la poda en olivar superintensivo joven, una iniciativa orientada a acelerar la digitalización y la automatización en explotaciones intensivas. El acuerdo impulsa un doctorado industrial que combina investigación aplicada y transferencia tecnológica con objetivos claros de validación en campo y escalabilidad comercial. El programa se integra en el doctorado “PhD in Systems and Sustainable Engineering” de Loyola y se desarrollará desde un enfoque multidisciplinar que une ingeniería, agronomía e inteligencia artificial.
Objetivo y alcance
La tesis, con título provisional “Modelado estructural y sistema de recomendación de poda en olivar superintensivo joven basado en visión artificial y aprendizaje automático”, tendrá una duración prevista de cuatro años y será liderada por el investigador Diego José Gallardo Romero. Se trata de una tesis de cuatro años a cargo de Diego José Gallardo Romero, con una hoja de ruta que contempla desarrollo algorítmico, prototipado y validación en parcelas experimentales y fincas comerciales. El trabajo buscará producir resultados verificables que permitan transferir soluciones a empresas y explotaciones del olivar superintensivo dentro del horizonte del proyecto.
El objetivo técnico principal es construir un sistema capaz de analizar automáticamente la estructura del árbol y emitir recomendaciones de poda concretas y aplicables en campo, integrando criterios agronómicos, económicos y operativos para garantizar viabilidad y rentabilidad real. Para lograrlo se combinarán sensores y técnicas de percepción avanzada con modelos de decisión y conocimiento agronómico formalizado, de modo que las recomendaciones aporten razonamientos interpretables para el profesional agrícola. El diseño contempla que el sistema sirva tanto como herramienta de apoyo para podadores con menos experiencia como de base para posteriores desarrollos robóticos autónomos.
En lo tecnológico, el proyecto integrará visión 3D, LiDAR, radar, machine learning y modelado estructural para reconstruir la arquitectura de los árboles y detectar ordenes de corte, poda y manejo de brotes. Los esfuerzos se centrarán en algoritmos de Deep Learning y modelado geométrico capaces de operar en condiciones de alta oclusión foliar y complejidad geométrica típica del olivar superintensivo. Asimismo, se desarrollarán sistemas de recomendación que ponderen variables de producción, coste operativo y manejo agronómico para ofrecer acciones priorizadas y medibles.
Uno de los desafíos técnicos más relevantes es la reconstrucción fiable de la estructura interna de los árboles en presencia de fuertes solapamientos de copa y variabilidad morfológica entre plantas, lo que exige filtros de percepción robustos y modelos generativos que combinen datos empíricos y conocimiento agronómico. A la vez, el proyecto integrará protocolos de evaluación que midan impacto en productividad, tiempo de trabajo y coste de mano de obra, con métricas claras para comparar recomendaciones automáticas frente a prácticas convencionales. La validación en parcelas permitirá ajustar umbrales y parámetros para condiciones reales de explotación.
Transferencia tecnológica y impacto
La iniciativa se plantea como una vía directa de transferencia tecnológica entre la universidad y la empresa para responder a necesidades actuales del sector: escasez de mano de obra especializada, presión por mejorar eficiencia y la demanda de mayor sostenibilidad en el uso de recursos. Según José Castro Mora, responsable de AgroTech Automations, el proyecto persigue reducir la dependencia de la experiencia individual del podador mediante herramientas que mejoren la toma de decisiones y preparen el terreno para la automatización. La compañía aporta experiencia en robótica agrícola y plantea que los resultados se orienten hacia soluciones comerciales y prototipos robóticos en fases posteriores.
El grupo responsable en Loyola, Optimization and Control of Distributed Systems (ODS), coordinará la dirección científica y aportará experiencia en sistemas ciberfísicos, control distribuido, Internet de las Cosas y aplica-ción de IA a entornos agrícolas, con capacidad para integrar sensores, comunicaciones y algoritmos en plataformas experimentales. La investigación incluirá ensayos de integración hardware-software, interoperabilidad con sistemas de gestión de explotaciones y criterios de usabilidad para técnicos y agricultores.
En perspectiva, el doctorado prevé entregar resultados técnicos transferibles a corto y medio plazo: prototipos de software para análisis de estructura arbórea, modelos de recomendación parametrizables y pruebas de concepto de herramientas semi-autónomas para poda. A medio plazo, la hoja de ruta contempla la evolución hacia sistemas robóticos capaces de ejecutar cortes guiados por los modelos desarrollados, siempre con evaluaciones de coste-beneficio y criterios de seguridad operativa antes de su implantación comercial. La combinación de investigación académica y capacidad industrial pretende acelerar la adopción de tecnologías para un olivar más preciso, eficiente y sostenible.
Foto - www.democrata.es
