O projeto FERTiOLiVE visa desenvolver uma solução tecnológica inovadora, acessível e adaptada à realidade do olival tradicional português. Este sistema produtivo representa cerca de 75% da área nacional de olival e é composto maioritariamente por explorações de pequena e média dimensão, frequentemente localizadas em territórios de baixa densidade e com reduzido acesso a tecnologias digitais de apoio à decisão.

Atualmente, a fertilização nestas explorações é, em muitos casos, realizada com base na experiência do produtor e em práticas empíricas, nem sempre ajustadas às necessidades nutricionais efetivas das plantas. Esta realidade pode conduzir à utilização ineficiente de fertilizantes, ao aumento dos custos de produção e a impactos ambientais indesejáveis.

Com o objetivo de promover uma fertilização mais eficiente, sustentável e baseada em dados, o FERTiOLiVE irá desenvolver e validar um sistema inteligente que integra sensores de solo de baixo custo, algoritmos avançados de inteligência artificial e uma aplicação móvel intuitiva, concebida para utilização simples pelos agricultores. A solução permitirá recolher informação diretamente no terreno, avaliar o estado nutricional das plantas e gerar recomendações de fertilização personalizadas, em tempo real e sem necessidade de ligação à internet.

Informação do Projeto

• Data de aprovação: 28/09/2025

• Data de início: 01/01/2026

• Data de conclusão: 31/12/2028

• Investimento Total Elegível: 1.175.483,25 €

• Apoio Financeiro: 956.990,12 €

• Promotor: Natureza Prima – Soluções Sustentáveis, Lda.

• Copromotores: MORE, Instituto Politécnico de Bragança (IPB) e APPITAD

Principais Objetivos

• Desenvolver um modelo de predição do estado nutricional das plantas com base em dados do solo, reduzindo a necessidade de análises foliares laboratoriais;

• Criar um modelo inteligente de recomendação de fertilização, suportado por técnicas de Machine Learning e dados reais de campo;

• Desenvolver um sistema de sensorização de baixo custo e energeticamente autónomo para monitorização dos principais parâmetros do solo;

• Integrar hardware e software numa solução prática, robusta e validada em ambiente real, permitindo recomendações localizadas e de fácil interpretação para os produtores.

Resultados Esperados

• Modelo de Machine Learning para predição do estado nutricional das plantas;

• Modelo inteligente para recomendação personalizada de fertilização;

• Protótipo de sensorização low-cost com tecnologia TinyML e funcionamento offline;

• Sistema integrado de apoio à decisão para a fertilização do olival tradicional.