Ufficio

Via Cairoli 1/4
16124 Genova
t. +39 010 8078776
f. +39 010 8970344

Follow us

InTw

Intelligenza Artificiale e Agricoltura di Precisione

Crescita demografica, progressiva riduzione dei suoli adibiti a coltivazione e cambiamenti climatici richiedono che la produzione agricola sia sempre più efficiente ed efficace.
Si va sempre di più verso l’agricoltura di precisione, strategia di gestione aziendale che impiega l’ICT per acquisire dati utili finalizzati ad aumentare l’efficienza, la resa e la qualità, ottimizzando l’impatto sull’ambiente.

 

Cosa vuol dire Agricoltura di Precisione (AdP)

Si tratta di una serie di strategie e strumenti che permettono di ottimizzare aumentare qualità produttività del suolo attraverso interventi mirati possibili grazie all’Intelligenza Artificiale. Viene detta “di precisione” perché, grazie ai più moderni strumenti, è possibile applicare il trattamento giusto, nel luogo giusto e al momento giusto.

Le coltivazioni sono trattate con quantità variabili di acqua per l’irrigazione, fertilizzanti, pesticidi, ecc. in base alle effettive esigenze di ciascuna porzione di terra, sincronizzando in tempo reale i dati provenienti da sensori e previsioni meteo.

 

 

Le tecnologie dell’Agricoltura di Precisione

Oggi, le aziende agricole dispongono di svariate tecnologie per migliorare la gestione dei propri appezzamenti. Tra le più utilizzate troviamo:

  • Strumenti di controllo. Permettono di rilevare e comprendere cosa sta accadendo nel campo attraverso misurazioni (mappe da satellite o drone, rilievi in campo, analisi del suolo, centraline meteo, mappe di raccolta);
  • Strumenti di previsione. Consentono di stimare cosa sta accadendo nel campo senza una misurazione diretta (previsioni meteo, stima dei fabbisogni irrigui o di fertilizzanti, modelli fenologici e di sviluppo delle fitopatie);
  • Strumenti di decisione e prescrizione. Utili per prendere decisioni data driven comparando dati significativi e integrandoli tra loro (mappe di prescrizione, DSS);
  • Sistemi di attuazione. Permettono di applicare decisioni e prescrizioni a livello di campo (guida parallela, guida automatica, attuatori, tecnologia a rateo variabile);
  • Sistemi per la tracciabilità. Consentono di tracciare il ciclo di vita del prodotto dal campo al consumatore secondo la strategia “from farm to fork” (blockchain, telemetria).

 

I benefici dell’Agricoltura di Precisione

Algoritmi e analisi big data stanno modificando la gestione delle specie delle sementi, delle condizioni sul campo e delle colture. Ma esistono tanti altri aspetti che possono essere ottimizzati e ulteriormente sviluppati.

  • Selezione delle specie. Attraverso gli algoritmi di deep learning, si può costruire un modello di probabilità che preveda quali geni specifici hanno buone probabilità di contribuire ad un tratto benefico per una coltura.
  • Riconoscimento delle piante. L’apprendimento automatico può fornire risultati più accurati e rapidi analizzando la morfologia della vena fogliare, che contiene maggiori informazioni sulle proprietà delle foglie.
  • Suolo. Gli algoritmi di apprendimento automatico studiano i processi di evaporazione, l’umidità del suolo e la temperatura per comprendere le dinamiche degli ecosistemi in agricoltura.
  • Risorse idriche. Le applicazioni basate sul machine learning più sviluppate finora consentono un uso efficace dei sistemi di irrigazione e la previsione della temperatura giornaliera del punto di rugiada, che aiuta a identificare i fenomeni meteorologici previsti e stimare l’evapotraspirazione e l’evaporazione.
  • Qualità della produzione. In confronto agli esperti umani, le macchine sono in grado di utilizzare dati e interconnessioni apparentemente insignificanti al fine di migliorare ed elevare la qualità complessiva della produzione.
  • Rilevazione di parassiti e malattie. La pratica più diffusa nel contenimento dei parassiti e delle malattie è quella di spruzzare uniformemente i pesticidi sull’area di coltivazione. Per ridurre costi e sprechi, l’agricoltura di precisione si avvale dell’intelligenza artificiale, grazie alla quale l’apporto di prodotti chimici è ridotto in termini di tempo, aree coperte e piante interessate.
  • Rilevazione di erbe infestanti. Gli algoritmi di visione artificiale e machine learning migliorano il rilevamento e la discriminazione delle erbe infestanti a basso costo e senza effetti collaterali. In futuro, queste tecnologie guideranno robot che elimineranno le erbacce, riducendo al minimo la necessità di erbicidi.

 

 

Infine, è indispensabile evidenziare come praticare l’Agricoltura di Precisione stia diventando sempre più urgente a causa dell’aumento del fabbisogno di cibo a livello mondiale, dovuto all’aumento esponenziale della popolazione a cui stiamo assistendo dagli ultimi decenni: si prevede, infatti, che nel 2050 le persone da sfamare saranno circa nove miliardi.