Los métodos estándar para determinar la calidad de las aceitunas implican métodos químicos que son lentos y costosos. Estas limitaciones llevan a los productores a una cosecha homogénea basada en criterios subjetivos como la intuición y decisiones visuales. En tiempos recientes, se han introducido técnicas de agricultura de precisión para la evaluación de la calidad de la fruta, como la espectroscopia. Sin embargo, requieren equipos costosos, lo que limita su uso a los molinos de aceitunas. Este trabajo presenta una metodología completa basada en un nuevo sensor multiespectral de bajo costo para evaluar parámetros de calidad de las aceitunas intactas. Un conjunto de 507 muestras de aceitunas fueron analizadas con el dispositivo propuesto. Después del preprocesamiento de datos, se entrenaron modelos de red neuronal artificial (RNA) utilizando las 18 señales de reflectancia adquiridas por el sensor como entrada y tres indicadores de calidad de las aceitunas (humedad, acidez y contenido de grasa) como objetivos. Las respuestas de los modelos de RNA fueron prometedoras, alcanzando valores de coeficiente de determinación de 0,78, 0,86 y 0,62 para la humedad de la fruta, acidez y contenido de grasa, respectivamente. Estos resultados muestran la idoneidad del dispositivo propuesto para evaluar el estado de calidad de las aceitunas intactas. Su rendimiento, junto con su bajo costo y facilidad de uso, allana el camino para la implementación de un sistema de evaluación de la calidad de la fruta de oliva más asequible para los productores de oliva.