Un nuevo proyecto, VACU4HAM, combina inteligencia artificial y técnicas avanzadas de biología molecular para optimizar el proceso de curación del jamón.
La iniciativa, impulsada por Monte Nevado en colaboración con el Instituto de Investigación Biomédica de Málaga y Plataforma en Nanomedicina (IBIMA Plataforma BIONAND) y financiada por el Centro para el Desarrollo Tecnológico y la Innovación (CDTI), se orienta a mejorar uno de los puntos más críticos del proceso productivo: el sangrado de las piezas.
Optimizar el proceso de curación del jamón
En este marco se está desarrollando un prototipo de sangrado que permita garantizar un proceso más homogéneo, seguro y respetuoso con la calidad del producto.
El reto del proyecto pasa por definir las condiciones óptimas de aplicación para distintos tipos de jamón —blanco e ibérico de cebo— y por validar el sistema en un entorno preindustrial, con el objetivo de facilitar su futura implantación en la industria. Más allá de la innovación tecnológica, la iniciativa, que se encuentra actualmente en una fase inicial de desarrollo, aspira a contribuir a la reducción de costes y de la huella ambiental, a mejorar la seguridad alimentaria y la homogeneidad del producto, y a reforzar la competitividad del sector jamonero español en los mercados internacionales.
En el ámbito tecnológico, Monte Nevado lidera el desarrollo de un sistema de inteligencia artificial y machine learning capaz de predecir el momento exacto en el que cada jamón alcanza su punto óptimo de curación, a partir del Big Data generado por la propia compañía y con la validación posterior de sus maestros jamoneros. Este enfoque permite integrar el conocimiento tradicional acumulado durante generaciones con herramientas digitales de última generación.
De forma complementaria, IBIMA Plataforma BIONAND participa en el proyecto centrando su labor en el análisis histológico de muestras frescas y curadas. Su trabajo incluye la caracterización tisular mediante técnicas avanzadas de corte, histomorfometría y análisis de imagen asistido por inteligencia artificial, con el desarrollo de modelos supervisados para la segmentación y cuantificación, lo que permite identificar con precisión la aparición de defectos y profundizar en la comprensión del impacto del proceso de sangrado en la calidad final de cada pieza.
