El investigador cartagenero que enseña a la IA a salvar la comida desde Zúrich
Javier Garrido López, investigador predoctoral de la Universidad Politécnica de Cartagena (UPCT), desarrolla en la Escuela Politécnica Federal de Zúrich (ETH Zürich) algoritmos de Inteligencia Artificial capaces de predecir la vida útil de alimentos perecederos a partir de las condiciones sufridas durante su transporte. El objetivo es reducir el desperdicio alimentario en la cadena de suministro.
Garrido López se ha integrado durante su estancia en el Biomedical Data Science Lab, grupo de investigación del Department of Health Sciences and Technology de la ETH Zürich, bajo la supervisión de Alejandro Cisterna García y Catherine Jutzeler. El laboratorio trabaja en la intersección de la medicina, la ciencia de datos y la biología, y es reconocido por su excelencia en métodos computacionales y análisis de datos complejos.
Una tesis con tres pilares tecnológicos
La investigación de Garrido, dirigida desde la UPCT por Roque Torres Sánchez y Manuel Jiménez Buendía, se apoya en tres componentes técnicos que avanzan de forma coordinada. El primero es un dispositivo inalámbrico autónomo que registra de forma continua las condiciones ambientales —temperatura, humedad, vibración— a las que se exponen los alimentos durante el transporte. El segundo es una cámara climática portátil diseñada para replicar esas condiciones en el laboratorio, incluyendo la simulación de fallos técnicos como la rotura de la cadena de frío en camiones refrigerados.
El tercer pilar, y el que ocupa la estancia en Suiza, es el desarrollo de modelos de Machine Learning entrenados con los datos recogidos por los dos componentes anteriores. A partir de la información sobre cómo se degrada la calidad de los productos bajo distintas condiciones, los algoritmos aprenden a estimar con precisión cuánta vida útil le queda a un alimento en función del historial de condiciones que ha atravesado.
La IA como sistema de alerta logística
"El objetivo de esta fase es conseguir que la IA nos diga de manera exacta la calidad o la vida útil restante de los productos perecederos basándose en las condiciones que han sufrido durante el viaje", ha explicado Javier Garrido. La aplicación práctica es directa: si el algoritmo detecta que un fallo de refrigeración ha acortado la vida útil de una mercancía, el sistema puede recomendar redirigir el envío hacia un mercado más cercano para garantizar su consumo antes de que se deteriore.
Este tipo de decisión logística en tiempo real es precisamente lo que distingue la propuesta de Garrido de los sistemas de monitorización convencionales. No se trata solo de registrar si la cadena de frío se ha roto, sino de cuantificar el impacto de ese fallo sobre la calidad real del producto y traducirlo en una recomendación operativa accionable.
UPCT y ETH Zürich, un puente entre Cartagena y Suiza
La estancia en la ETH Zürich —consistentemente situada entre las diez mejores universidades del mundo en ciencias e ingeniería— permite a Garrido acceder a la experiencia metodológica del Biomedical Data Science Lab en el tratamiento de datos complejos y heterogéneos, un perfil que encaja directamente con la naturaleza de los datos generados por su dispositivo de monitorización. No se ha detallado la duración prevista de la estancia ni la fecha de defensa de la tesis.
La colaboración refuerza la proyección internacional de la UPCT como institución generadora de investigación aplicada con impacto en sectores productivos. El desperdicio alimentario representa, según estimaciones de organismos internacionales, un problema de escala global con consecuencias económicas, medioambientales y sociales de primer orden, aunque la investigación de Garrido no aporta cifras propias sobre el alcance del problema que aborda.
Del laboratorio a la cadena de frío
El dispositivo inalámbrico desarrollado en Cartagena está concebido para operar en condiciones reales de transporte, con autonomía energética y capacidad de registro continuo. La cámara climática portátil, por su parte, permite reproducir en entorno controlado los escenarios captados en campo, lo que facilita la generación de datos de entrenamiento para los modelos de Aprendizaje Automático sin depender exclusivamente de incidencias reales.
La combinación de hardware propio, simulación controlada y algoritmos de predicción configura un sistema integrado que, de validarse en entornos comerciales, podría implantarse en operadores logísticos, distribuidores de gran consumo o exportadores de productos frescos. No se ha detallado si existe algún acuerdo con empresas del sector ni calendario previsto para una eventual aplicación industrial.