La inteligencia artificial llega al aceite de oliva

La UJA desarrolla modelos de inteligencia artificial para predecir, por ejemplo, la vida útil del aceite de oliva cuando se usa en fritura

¿Se imaginan las aplicaciones que puede tener la inteligencia artificial en el producto estrella del mar de olivos? Investigadores de la Universidad de Jaén empiezan a darle forma a la respuesta a esta pregunta. Han desarrollado un proyecto para avanzar en el conocimiento sobre la conservación y uso del aceite de oliva.

Este trabajo ha sido suscrito entre la empresa Acesur, grupo referente en el mercado del aceite de oliva, y la Universidad de Jaén mediante un contrato de transferencia y se desarrollará hasta octubre de 2024.

El equipo está dirigido por Antonio Jesús Rivera Rivas y María Dolores Pérez Godoy y tienen dos objetivos. El primero consiste en obtener modelos para la predicción de la vida útil del aceite de oliva cuando se usa en fritura. Para ello se realizará un modelado inteligente de la evolución del número máximo de frituras que el aceite soporta antes de que ciertas sustancias indeseables generadas durante la fritura alcancen ciertos límites como es el 25% de compuestos polares de acuerdo con la legislación vigente. En esta línea, se analizarán variables que tienen que ver con la calidad del aceite de oliva que se utiliza (p. ej: Acidez, Peróxidos, Polifenoles, etc), con el alimento a freír y con su proceso de fritura (temperatura, tiempo, cantidad de producto, etc.).

En el segundo objetivo se plantea modelar, con técnicas inteligentes, la vida útil del aceite de oliva según condiciones de conservación. En este caso, se realizará una predicción o modelado de la evolución del envejecimiento del aceite de oliva en función de variables como tipo de aceite, tipo de envase, condiciones de conservación, etc.

Con este fin se partirá de los métodos de predicción actuales más eficientes, teniendo en cuenta los pertenecientes a paradigmas como el Aprendizaje Automático (Machine Learning) o el Aprendizaje Profundo (Deep Learning), y proponiendo nuevos desarrollos de modelos.

Por último, se investigará la explicabilidad de los modelos desarrollados, determinando la importancia que tienen las variables de entrada o predictoras en la calidad del aceite en diferentes condiciones de uso y almacenamiento.