Tecnologías aplicadas para la caracterización y mejora de la calidad y trazabilidad de la aceituna de mesa en cosecha y post-cosecha

Zusammenfassung

1. Introducción o motivación de la tesis: Actualmente, aunque España sigue siendo líder en la producción de aceituna de mesa, este presenta problemas de rentabilidad. A esto se une la aparición en el mercado con fuerza de otros países competidores. Una de las soluciones pasa por competir mediante el aumento de la calidad del fruto y la aportación su trazabilidad como valor añadido. Para ello, es necesaria la incorporación de las nuevas tecnologías. La recolección junto a la logística posterior del fruto es la operación de mayor coste en el olivar y muy susceptible de mejora en materia de calidad y trazabilidad. La calidad del fruto debe abordarse desde la operación de recolección empleando los medios de recolección y logística que minimicen el molestado del fruto. La georreferenciación de la operación de recolección junto a la cantidad de cosecha permite digitalizar esta operación y aportar trazabilidad del fruto e información de la variabilidad espacial en la explotación. Para la gestión posterior del fruto, es fundamental seguir el protocolo de transporte en líquido con una solución de hidróxido sódico. Esto además implica que el fruto deba ser limpiado en campo. Por otro lado, la separación previa en campo en función del grado de madurez, calibre y molestado permitiría establecer lotes de calidad adecuada para su procesamiento en la entamadora, así como enviar el fruto descartado directamente para la producción de aceite desde el campo optimizando los transportes. 2.Contenido de la investigación: En esta tesis, presentada como compendio de artículos, abarca una investigación de cómo pueden emplearse las tecnologías actuales para la mejora de la calidad y trazabilidad de la aceituna de mesa en la operación de cosecha y postcosecha. Se presenta un estudio donde se analizan medios de recolección y recpeción habituales respecto de la caracterización del molestado que generan al fruto. Además, se expone una solución para el análisis del molestado del fruto en toda su superficie. Seguidamente se propone un monitor de rendimiento desarrollado mediante tecnología Time of Flight (ToF) para la estimación del peso del fruto cosechado y almacenado a partir del volumen ocupado por este. Se realiza una comparativa respecto de los sistemas de pesado actuales basados en células de carga. Otro tema tratado es la realización de lotes de fruto de una calidad determinada a pie de campo mediante un prototipo desarrollado que consiste en un remolque que integra funciones de limpieza y clasificación de fruto. En esta última operación se realiza la evaluación de parámetros de molestado, calibre y madurez mediante análisis de imágenes. Estos lotes serán almacenados en líquido si tienen la calidad adecuada y enviados a la industria para mesa o, en seco, si son destinados a la extracción de aceite. En el trabajo se expone el desarrollo de este remolque y su evaluación en condiciones de campo. Por último, también se indica la metodología seguida para digitalizar todo el proceso de cosecha y postcosecha llevado a cabo, registrando en la nube lotes de fruto con la trazabilidad asociada, que contiene tanto las operaciones anteriores a la recolección como las posteriores hasta la entrega en la industria, así como la propuesta de estructura en la nube para continuar dentro de esta hasta llegar al consumidor. Las tecnologías y gestión de la información necesarias son expuestas junto a los resultados de su puesta en funcionamiento. 3.Conclusión: Se ha establecido un patrón característico de molestado atribuible a cada medio de recolección, así como la mejora de la calidad del fruto mediante medidas correctoras en cuanto a la recepción del fruto con superficies acolchadas obteniéndose que el sacudidor de ramas es el método de recolección más agresivo con recepción sobre fardo. Adicionalmente, se puede estimar el molestado real del fruto evaluando parcialmente el fruto y aplicando un factor de corrección. Por otro lado, se han desarrollado monitores de rendimiento basados en sensores ToF que pueden ser una alternativa a las células de carga ya que ofrecen una buena exactitud y son más estables para la evaluación en dinámico del peso de fruto transportado. Por el contrario, factores como la iluminación ambiental y los colores pueden afectar al cálculo del peso. Además, requieren de una configuración adaptada a la geometría del sistema de almacenamiento del fruto. Finalmente, es posible realizar una limpieza y clasificación del fruto en campo que permita realizar lotes de una calidad determinada para enviar el fruto directamente desde el campo a las industrias de procesamiento para mesa y extracción de aceite, según la calidad evaluada. Así mismo, toda la trazabilidad asociada a los lotes (anterior y posterior a la recolección) puede centralizarse en una plataforma cloud y gestionarse para digitalizar toda la fase productiva en campo. Para ello es necesario el empleo de tecnologías como RFID, GNSS, IoT, cloud computing y técnicas de procesamiento de imágenes. 4. Bibliografía: 1. Bernardi, B., Falcone, G., Stillitano, T., Benalia, S., Strano, A., Bacenetti, J., De Luca, A.I., 2018. Harvesting system sustainability in Mediterranean olive cultivation. Sci. Total Environ. 625, 1446¿1458. https://doi.org/10.1016/j.scitotenv.2018.01.005 2. Campus, M., De¿irmencio¿lu, N., Comunian, R., 2018. Technologies and Trends to Improve Table Olive Quality and Safety. Front. Microbiol. 9, 169. https://doi.org/10.3389/fmicb.2018.00617 3. Diaz, R., 2016. Classification and Quality Evaluation of Table Olives, in: Computer Vision Technology for Food Quality Evaluation. Elsevier, pp. 351¿367. https://doi.org/10.1016/B978-0-12-802232-0.00014-1 4. Fountas, S., Carli, G., Sørensen, C.G., Tsiropoulos, Z., Cavalaris, C., Vatsanidou, A., Liakos, B., Canavari, M., Wiebensohn, J., Tisserye, B., 2015. Farm management information systems: Current situation and future perspectives. Comput. Electron. Agric. 115, 40¿50. https://doi.org/10.1016/j.compag.2015.05.011 5. Guzmán, E., Baeten, V., Pierna, J.A.F., García-Mesa, J.A., 2015. Determination of the olive maturity index of intact fruits using image analysis. J. Food Sci. Technol. 52, 1462¿1470. https://doi.org/10.1007/s13197-013-1123-7 6. Jiménez-Jiménez, F., Castro-García, S., Blanco-Roldán, G.L., Ferguson, L., Rosa, U.A., Gil-Ribes, J.A., 2013. Table olive cultivar susceptibility to impact bruising. Postharvest Biol. Technol. 86, 100¿106. https://doi.org/10.1016/j.postharvbio.2013.06.024 7. Jimenez-Jimenez, F., Castro-Garcia, S., Blanco-Roldan, G.L., González-Sánchez, E.J., Gil-Ribes, J.A., 2013. Isolation of table olive damage causes and bruise time evolution during fruit detachment with trunk shaker. Spanish J. Agric. Res. 11, 65. https://doi.org/10.5424/sjar/2013111-3399 8. Maja, J.M., Ehsani, R., 2010. Development of a yield monitoring system for citrus mechanical harvesting machines. Precis. Agric. 11, 475¿487. https://doi.org/10.1007/s11119-009-9141-1 9. Morales-Sillero, A., Rallo, P., Jiménez, M.R., Casanova, L., Suárez, M.P., 2014. Suitability of Two Table Olive Cultivars (`Manzanilla de Sevilla¿ and `Manzanilla Cacereña¿) for Mechanical Harvesting in Superhigh-density Hedgerows. HortScience 49, 1028¿1033. https://doi.org/10.21273/HORTSCI.49.8.1028 10. Ponce, J.M., Aquino, A., Millan, B., Andujar, J.M., 2019. Automatic Counting and Individual Size and Mass Estimation of Olive-Fruits Through Computer Vision Techniques. IEEE Access 7, 59451¿59465. https://doi.org/10.1109/ACCESS.2019.2915169 11. Riquelme, M.T., Barreiro, P., Ruiz-Altisent, M., Valero, C., 2008. Olive classification according to external damage using image analysis. J. Food Eng. 87, 371¿379. https://doi.org/10.1016/j.jfoodeng.2007.12.018 12. Sola-Guirado, R.R., Bayano-Tejero, S., Aragón-Rodríguez, F., Bernardi, B., Benalia, S., Castro-García, S., 2020a. A smart system for the automatic evaluation of green olives visual quality in the field. Comput. Electron. Agric. 179, 105858. https://doi.org/10.1016/j.compag.2020.105858 13. Zipori, I., Fishman, A., Zelas, Z.B.-B., Subbotin, Y., Dag, A., 2021. Effect of postharvest treatments of mechanically harvested ¿Manzanilla¿ table olives on product quality. Postharvest Biol. Technol. 174, 111462. https://doi.org/10.1016/j.postharvbio.2021.111462