Digitalization of the agri-food sector: From research to practical application through monitoring and prediction tools

Abstract

The global agri-food sector is currently facing multiple challenges arising from the pressure to increase production while using fewer resources, in a context shaped by population growth, climate change and market instability. In this scenario, digitalization and data analytics become essential tools to drive a significant transformation in agronomic management, optimizing resource use and supporting decision-making. However, advanced technologies still have a limited uptake in the sector, creating a gap between scientific progress and its practical application on farms, particularly in agriculturally important regions that face their specific challenges such as Andalusia. This PhD thesis, developed within the framework of an Industrial PhD program between University of Córdoba and the company Hispatec, addresses the issue with a dual objective: first, to identify the real needs and barriers of digitalization in the Andalusian agri-food sector; second, to develop and validate advanced analytical tools that, primarily using public or accessible data, respond to the identified demands and are directly applicable in an industrial environment.

The research is structured into three main studies. First, an analysis is conducted on the state and perception of digitalization in the agri-food sector of Andalusia and its comparison with global research trends, combining bibliometric studies and surveys of sector stakeholders. The results reveal that, beyond complex technologies, farmers demand simple, interoperable solutions with a clear return on investment, oriented toward optimizing agronomic management. Second, phenological and yield prediction models for soybean cultivation are developed and validated in a real industrial context, showing reasonable accuracy (RMSE of 5-7 days for harvest date and MAPE of 8-18% for yield). Finally, traditional thermal models are compared with machine learning algorithms for the phenological monitoring of olive groves in southern Spain (Andalusia). The models yielded promising results for key phenological stages in olives (RMSE of 8 days for flowering and 12 days for veraison onset), thus demonstrating and analyzing their potential not only for farm-level crop management but also for regional monitoring of crop seasons by sectoral organizations and public administrations.

The results reported herein provide predictive tools that are not only robust and cost-effective but also directly applicable, helping to bridge the gap between research and agricultural practice. The findings highlight the need for close collaboration between the public and private sectors to promote knowledge transfer, relying on methodologies that emphasize the use of open data and analytical techniques across diverse agricultural scenarios. Increasing the scalability and interoperability of solutions while balancing robustness and simplicity, this thesis contributes to the digitalization process of the agri-food sector and also lays the foundation for future research within the digital agricultural ecosystem.

Actualmente, el sector agroalimentario mundial afronta una serie de retos marcados por la presión de producir más con menos recursos en un contexto de crecimiento poblacional, cambio climático e inestabilidad de los mercados. En este escenario, la digitalización y el análisis de datos se presentan como herramientas clave para un cambio importante en la gestión agronómica, optimizando el uso de recursos y ayudando a la toma de decisiones. Sin embargo, la adopción de las tecnologías más avanzadas sigue siendo limitada en el sector, generándose una brecha entre los avances científicos y su aplicación real en las explotaciones, especialmente en regiones agrícolas importantes que tienen sus propios retos como Andalucía. Esta tesis doctoral, desarrollada en el marco de un programa de Doctorado Industrial entre la Universidad de Córdoba y la empresa Hispatec, aborda esta problemática con un doble objetivo. Primero, diagnosticar las necesidades y barreras reales de la digitalización en el sector agroalimentario andaluz. Y, tras ello, desarrollar y validar herramientas de analítica avanzada para diferentes cultivos que utilicen principalmente datos públicos o accesibles y que respondan a las demandas identificadas, siendo directamente aplicables a un entorno industrial.

La investigación se divide en tres ejes principales. En primer lugar, se realiza un análisis del estado y la percepción de la digitalización en Andalucía y su comparación con las tendencias globales de investigación, combinando estudios bibliométricos y encuestas a profesionales del sector. Los resultados demuestran que, más allá de tecnologías complejas, los agricultores demandan soluciones sencillas, interoperables y con un retorno de inversión claro, orientadas a la optimización de la gestión agronómica. En segundo lugar, se desarrollan y validan modelos fenológicos y de rendimiento para el cultivo de soja en un contexto industrial real, demostrando una precisión razonable (RMSE de 5-7 días para fecha de cosecha y MAPE de 8-18% para rendimiento). Y, por último, se lleva a cabo una comparación de modelos térmicos tradicionales con algoritmos de machine learning para la monitorización fenológica del olivar en Andalucía. Los modelos mostraron resultados prometedores para estados fenológicos claves en el olivar (RMSE de 8 días para floración y 12 días para inicio de envero), demostrando y analizando el potencial de uso que tienen no solo para la gestión de los cultivos a nivel de finca sino también para la monitorización territorial de las campañas por parte de organizaciones sectoriales y administraciones públicas.

Los resultados obtenidos avalan herramientas predictivas que no son solo robustas y de bajo coste, sino que también tienen una aplicación directa que puede contribuir a cerrar esa brecha entre la investigación y la adopción de tecnologías. Se reconoce, además, la importancia de la colaboración público-privada como catalizador de esta transferencia de conocimientos, destacando las posibilidades que ofrece el uso de datos abiertos y técnicas analíticas. Potenciando la escalabilidad y la interoperabilidad de las soluciones, pero manteniendo un equilibrio entre rigor científico y simplicidad, esta tesis avanza en el proceso de digitalización del sector agro y también sienta las bases para el desarrollo de futuras líneas de investigación dentro del ecosistema digital agrario.