Bioflytech lidera un proxecto europeo para aplicar IA na cría de mosca soldado negra

A empresa biotecnolóxica Bioflytech, a través do seu filial Alfaprogal (Alternative Fats and Proteins of Galicia), lidera un proxecto europeo de I+D+i para desenvolver un sistema intelixente de precisión que optimice a cría industrial de larvas de mosca soldado negra (Hermetia illucens). Permitirá expor en Galicia “un novo modelo de gandería estratéxica, alternativa á tradicional, máis respectuosa co medio e tecnolóxica, que ademais fomenta a economía circular”, destaca a firma de Palas de Rei.
Bioflytech engade que esta iniciativa “situará á comunidade nunha posición preferente para liderar a produción europea dunha nova xeración de proteínas e graxas de alta calidade, así como de biofertilizantes derivados de mosca soldado negra, con aplicacións en sectores relacionados coa nutrición animal -acuicultura, pet food, avicultura e o porcino-, o cosmético e o farmacéutico, cun gran potencial de negocio, de crecemento e xeración de emprego e riqueza”, segundo explica Jesús Rodríguez, director executivo (CEO) de Bioflytech.
O proxecto, de colaboración público-privada e denominado IAPSI (Intelixencia Artificial e Automatización Aplicadas a Produtos Sostibles de Alto Valor Engadido a partir de Insectos), busca mellorar a eficiencia, a sustentabilidade e a rastrexabilidade do proceso de cría desta especie, a través da aplicación dun algoritmo IA que controle e module, de forma centralizada, a alimentación e a xestión ambiental das larvas.
O obxectivo é crear un sistema automatizado, intelixente e con posibilidade de ser adaptado a diferentes contornas e demandas, que mellore o rendemento e a pegada ambiental da produción. Para iso, introduciranse tecnoloxías avanzadas como a computación cuántica, a Internet das Cousas, a automatización ou a intelixencia artificial.
Así, utilizaranse sistemas de sensórica e rastrexabilidade que permitan monitorar, en tempo real, todas as variables do proceso.
Amais, aplicaranse tecnoloxías de visión artificial e procesamento de imaxe para a detección e análise do estado do cultivo, así como algoritmos de IA e sistemas automatizados para optimizar a alimentación, a rega e o control ambiental das granxas. Ademais, introduciranse modelos preditivos, ferramentas dixitais e estratexias de eficiencia enerxética e de recursos para reducir a pegada hídrica e de carbono.
Innovación e investigación made in Galicia
Para levalo a cabo, Bioflytech contará con dous socios de referencia, o centro tecnolóxico ITG (Instituto Tecnolóxico de Galicia) e a Universidade da Coruña (UDC), a través dos grupos de investigación de Enxeñería da auga e do medio ambiente (GEAMA) e do Centro de Innovación Tecnolóxica en Edificación e Enxeñería Civil (CITEEC), que integran o consorcio do proxecto.
Bioflytech achegará a contorna industrial onde se realizarán as probas do sistema, as instalacións produtivas coas que a compañía conta en Palas de Rei (Lugo), cunha capacidade de produción anual de 12.000 toneladas de larva mosca soldado negra, mentres que o ITG será o provedor tecnolóxico desta iniciativa, proporcionando a súa ampla experiencia en solucións industriais de visión artificial e tecnoloxías cuánticas.
Pola súa banda, a UDC encargarase dos ensaios e análises ambientais, así como da validación científica do proxecto, que ten un prazo de execución de dous anos e un orzamento de máis de 3,6 millóns de euros.
“Cando pensamos en Galicia, imaxinamos gandería ou acuicultura tradicional. Este proxecto lévanos a imaxinar unha granxa totalmente nova, tecnolóxica e cunha pegada ambiental mínima," explica Luís Pena, membro do equipo de investigación da UDC, xunto con Alberto Alvarellos, Juan José Galán e Jerónimo Puertas.
IAPSI conta co apoio do Ministerio de Ciencia, Innovación e Universidades e da Axencia Estatal de Investigación, e está co-financiado pola Unión Europea, a través dos fondos FEDER.
“O éxito deste financiamento é crucial. Asegura os recursos para transformar a investigación nunha solución industrial real e sostible”, subliñan desde a UDC.