Identificação e Enquadramento

Acrónimo: FERTiOLiVE

Código do projeto | NORTE2030-FEDER-02969400

Descrição do projeto: O projeto FERTiOLiVE propõe o desenvolvimento de uma solução tecnológica disruptiva acessível e adaptada à realidade do olival tradicional português. No contexto nacional, este sistema produtivo representa cerca de 75% da área total de olival, sendo predominantemente composto por explorações de pequena e média dimensão, frequentemente localizadas em territórios de baixa densidade, com reduzido acesso à digitalização e carência de ferramentas eficazes de apoio à decisão, nomeadamente na gestão da fertilização. No campo a fertilização é realizada sobretudo com base em práticas empíricas, pouco ajustadas às reais necessidades nutricionais das plantas, conduzindo ao desperdício de recursos, perdas de produtividade e impactos ambientais indesejáveis.

Para promover uma gestão da fertilização mais eficiente, informada e sustentável, o projeto propõe a criação e validação de um sistema inteligente e autónomo que integra um sensor de solo de baixo custo, modelos de machine learning otimizados para funcionamento offline em microcontroladores TinyML e uma aplicação móvel intuitiva, acessível a utilizadores com reduzida literacia digital. Esta solução permitirá recolher dados edáficos em campo, inferir o estado nutricional das plantas e gerar recomendações de fertilização personalizadas, em tempo real e sem necessidade de conectividade, respondendo às lacunas tecnológicas existentes no mercado atual.

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

Promotores| Natureza Prima – Soluções Sustentáveis, Lda
Copromotors | MORE, IPB, APPITAD

  • Desenvolvimento de um modelo de predição do estado nutricional da planta (solo → folha), com base em dados analíticos reais, reduzindo a dependência de análises foliares laboratoriais;
  • Criação de um modelo inteligente de recomendação de fertilização, treinado com dados legados e amostragens de campo, capaz de operar localmente;
  • Construção de um protótipo de sensorização funcional e energeticamente autónomo, calibrado para parâmetros relevantes (pH, CE, N, P, K, humidade);
  • Integração de todo o sistema (hardware + software) numa ferramenta prática, validada em ambiente real, com recomendações localizadas e de fácil interpretação para os produtores.
  • A1 – Estudos Preliminares e Levantamento de Requisitos;
  • A2 – Desenvolvimento do Protótipo de Sensorização;
  • A3 – Recolha de Dados, Calibração e Formulação de Regras de Fertilização;
  • A4 – Desenvolvimento do sistema inteligente e Modelos de IA;
  • A5 – Testes e Validação em Ambiente Real;
  • A6 – Promoção, Divulgação e Disseminação dos Resultados;
  • A7 – Coordenação Técnica Científica e Gestão do Conhecimento;

  • Modelo de Machine Learning para predição do estado nutricional (solo → folha);
  • Modelo de ML para recomendação de fertilização personalizada e em tempo real;
  • Protótipo de sensorização low-cost com microcontrolador TinyML, operável em modo offline;de sensorização low-cost com microcontrolador TinyML, operável em modo offline;
  • Sistema inteligente completo e acessível (hardware + software);