Dalla fattoria alla tavola: come l’AI promuove l’innovazione in agricoltura

Con una popolazione mondiale destinata a crescere di 2 miliardi entro il 2050, abbiamo bisogno di aumentare la produzione alimentare di circa il 60% per stare al passo. L'Intelligenza artificiale (AI) ci aiuta ad affrontare questa sfida promuovendo l'innovazione in agricoltura. Le innovazioni basate sull'AI possono essere utilizzate per monitorare il bestiame, analizzare la crescita delle colture, prevedere quando le attrezzature agricole richiedono manutenzione e molto altro ancora. Quando pensiamo all'agricoltura, spesso immaginiamo semplicemente l'attività agricola. Tuttavia, si tratta di un termine ombrello che comprende molte funzioni e processi diversi.

Per comprendere meglio l'impatto dell'AI in agricoltura, prendiamo un esempio specifico: il ciclo di vita di un frutto. Cosa succede durante il suo viaggio dal campo alla nostra tavola?

In questo blog esploreremo come l'AI aiuti in ogni fase del processo, dalla semina, alla crescita e alla raccolta, fino alla lavorazione, al trasporto e alla vendita della frutta. Iniziamo!

Adottare nuove tecnologie in agricoltura per la coltivazione della frutta#

Il primo passo nel ciclo di vita delle colture da frutto consiste nella selezione e nella semina dei semi. Un agricoltore deve decidere quale frutto coltivare durante la stagione. Le tecniche di AI, come il machine learning, possono essere utilizzate per analizzare grandi quantità di dati e aiutare gli agricoltori a scegliere i semi migliori per le condizioni specifiche del loro terreno e del loro clima. Valutando i dati storici relativi ai modelli meteorologici, alla composizione del suolo e alle prestazioni delle colture, l'AI può consigliare le varietà di semi ottimali, ovvero quelle con maggiori probabilità di prosperare. L'uso dell'AI per la selezione dei semi è un'area di ricerca in continua evoluzione, molto interessante e ricca di potenzialità.

Ad esempio, il CGIAR Inspire Challenge del 2018 ha assegnato 100.000 dollari a un progetto che utilizzava il machine learning per una selezione più intelligente dei semi. Il progetto era guidato da ricercatori del BioSense Institute e del CIMMYT. Hanno utilizzato i dati relativi a diverse nuove varietà di mais provenienti da centinaia di siti di valutazione in Messico per sviluppare modelli in grado di prevedere le prestazioni dei semi. Un approccio basato sui dati aumenta le probabilità di ottenere un raccolto di successo e riduce il rischio di fallimento della coltura. Una volta selezionato il tipo di seme migliore, la computer vision può intervenire per verificarne la qualità.

Fig. 1 Immagine satellitare della produzione di mais in Messico, dove le aree più luminose indicano una vegetazione più sana.

Utilizzare la computer vision per valutare la qualità dei semi#

La computer vision può essere utilizzata per analizzare immagini ad alta risoluzione dei semi della frutta, rilevando imperfezioni, malattie e caratteristiche genetiche che potrebbero non essere visibili all'occhio umano. Diverse attività di computer vision possono essere utilizzate per analizzare queste immagini, selezionare, classificare e valutare la qualità dei semi. Automatizzando queste attività, l'AI può aiutare a garantire che vengano piantati solo i semi della massima qualità, consentendo agli agricoltori di ottenere raccolti migliori.

Ad esempio, il GeNee™ Sorter di Seed X è un selezionatore di semi basato sull'AI che migliora il processo di selezione. Il selezionatore divide i semi in due categorie: i semi di alta qualità, che hanno probabilità di germogliare, vengono indirizzati nella cassetta principale, mentre i semi con scarse probabilità di germogliare vengono selezionati in una cassetta secondaria. Gestisce attività come la valutazione del colore, della forma, delle dimensioni e della purezza genetica, oltre alla previsione dei tassi di germinazione. Grazie al selezionatore, i tassi di germinazione possono superare il 90%, il che significa che un numero maggiore di semi cresce con successo fino a diventare piante sane.

Fig. 2 GeNee™ Sorter di Seed X.

Utilizzare l'AI per coltivare e raccogliere la frutta#

L'AI può essere utilizzata anche per migliorare l'analisi del suolo e il monitoraggio delle colture. Droni dotati di telecamere avanzate sorvolano i frutteti, acquisendo immagini dettagliate del suolo e dello stato di salute delle piante. Queste immagini vengono elaborate per creare mappe che mostrano le variazioni dell'umidità del suolo, dei livelli di nutrienti e dello stato di salute delle piante. Sulla base delle informazioni ricavate dall'analisi delle immagini, è possibile svolgere attività come il rilevamento delle erbe infestanti, il monitoraggio della crescita, la stima della resa, la regolazione dell'irrigazione, l'applicazione precisa dei fertilizzanti e l'implementazione di interventi mirati contro i parassiti. Il monitoraggio in tempo reale tramite AI può contribuire ad aumentare la resa delle colture frutticole e a promuovere pratiche agricole sostenibili.

Raccogliere un campo anche solo un giorno prima o dopo il momento ottimale potrebbe ridurre il reddito potenziale dell'agricoltore dal 3,7% fino a 20,4%. L'AI può aiutare a determinare il momento migliore per raccogliere la frutta. I metodi di raccolta tradizionali dipendono fortemente dal lavoro manuale e possono essere meno efficienti e più dispendiosi in termini di tempo. I metodi di raccolta assistiti dall'AI utilizzano sensori avanzati e algoritmi di machine learning per analizzare i dati relativi al colore e alle dimensioni della frutta, nonché alle condizioni ambientali, e prevedere il grado di maturazione. In questo modo, la frutta viene raccolta quando è al meglio, con rese più elevate e meno sprechi.

Fig. 3. Utilizzo della computer vision per segmentare le fragole mature.

Lavorazione post-raccolta: analisi volumetrica della segmentazione e del confezionamento della frutta#

Dopo la raccolta, il passaggio chiave successivo consiste nel selezionare e classificare la frutta affinché i prodotti migliori possano raggiungere i consumatori. L'AI può essere utilizzata per l'analisi volumetrica della segmentazione della frutta. Applicando modelli di computer vision come Ultralytics YOLOv8, è possibile valutare le dimensioni, la forma e la qualità della frutta.

Fig. 4 Utilizzo del modello di computer vision YOLOv8 di Ultralytics per segmentare la frutta.

Il processo prevede l'acquisizione di immagini ad alta risoluzione della frutta su un nastro trasportatore, la segmentazione dei singoli frutti utilizzando il modello YOLOv8 e l'esecuzione di un'analisi volumetrica per misurarne dimensioni e forma e rilevare i difetti. In base all'analisi, la frutta viene automaticamente selezionata e classificata in diverse categorie per il confezionamento, la lavorazione o la distribuzione appropriati. La selezione e la classificazione basate sull'AI migliorano l'efficienza, la precisione e la coerenza, riducono gli sprechi e massimizzano il valore del raccolto.

Una volta selezionata e classificata, la frutta può essere confezionata con precisione da macchine automatizzate. I sistemi OCR (riconoscimento ottico dei caratteri) basati sull'AI possono controllare l'accuratezza delle confezioni, verificando etichette, codici a barre e altre informazioni importanti per la conformità a standard e normative. Ispezionando le confezioni in questo modo, è possibile evitare situazioni come la presenza di prodotti scaduti. L'AI può rilevare etichette errate o date di scadenza superate e segnalarle per la correzione prima che i prodotti raggiungano i consumatori.

Innovazioni basate sull'AI nella vendita al dettaglio e nella distribuzione della frutta#

Ora, supponiamo che tu abbia la frutta migliore, confezionata e pronta per la consegna. L'AI può migliorare la logistica e il trasporto della frutta ottimizzando i percorsi. Mantenere la frutta fresca durante il trasporto e trovare i percorsi di consegna più efficienti sono sfide importanti. Gli algoritmi di AI possono analizzare i modelli del traffico, le condizioni meteorologiche e i programmi di consegna per determinare i percorsi migliori e ridurre tempi e costi di viaggio.

Dopo che la frutta raggiunge il negozio, l'AI continua a svolgere un ruolo fondamentale nella gestione dell'inventario e nelle previsioni della domanda. I sistemi di AI possono analizzare i dati sulle vendite, le preferenze dei clienti e le tendenze stagionali per prevedere la domanda con maggiore precisione. I negozi al dettaglio possono mantenere livelli di inventario ottimali sulla base delle informazioni fornite dall'AI e ridurre il rischio di scorte eccessive o di esaurimento delle scorte.

Fig. 5. Personale che rifornisce la frutta in un negozio al dettaglio. Fonte dell'immagine: Envato Elements.

La computer vision può essere utilizzata nei negozi per monitorare in tempo reale le scorte sugli scaffali. Utilizzando il rilevamento degli oggetti, le telecamere basate sull'AI possono identificare quando le scorte sono scarse o i prodotti sono posizionati in modo errato e avvisare il personale affinché rifornisca o riorganizzi gli scaffali. Garantendo la disponibilità della giusta quantità di prodotti freschi al momento giusto, l'AI contribuisce a migliorare la soddisfazione dei clienti e a ridurre gli sprechi alimentari.

L'impatto complessivo dell'AI sull'industria della frutta#

L'AI ha il potenziale per svolgere un ruolo importante nell'aiutare i consumatori a ottenere frutta di qualità migliore. Un ottimo esempio di integrazione efficace dell'AI nell'industria della frutta è rappresentato da Nature Fresh Farms. Nature Fresh Farms ha trasformato le proprie attività, dal seme al negozio, utilizzando la tecnologia AI. I sensori basati sull'AI e l'analisi dei dati aiutano a monitorare e gestire ogni aspetto, dai livelli di temperatura e umidità nella serra alla logistica del trasporto dei prodotti. Nature Fresh Farms ha ottimizzato le condizioni di crescita, controllato l'irrigazione e ridotto i costi. Il sistema di AI è inoltre in grado di portare i prodotti sugli scaffali dei supermercati entro 24-48 ore dal confezionamento, riducendo significativamente i tempi di trasporto e mantenendo la freschezza.

Nonostante i numerosi vantaggi, l'uso dell'AI nell'industria della frutta presenta alcuni potenziali svantaggi:

• Costo di implementazione: l'investimento iniziale nella tecnologia AI può essere elevato, rappresentando una barriera per alcuni agricoltori e produttori.
• Dipendenza dalla tecnologia: fare forte affidamento sull'AI e sulla tecnologia può creare una dipendenza difficile da gestire, soprattutto in caso di problemi tecnici o guasti.
• Manutenzione e aggiornamento: i sistemi di AI richiedono manutenzione e aggiornamenti regolari per funzionare in modo efficace, aumentando i costi ricorrenti e la complessità operativa.
• Complessità d'uso: alcuni agricoltori possono trovare la tecnologia AI difficile da comprendere e utilizzare, rendendo necessarie formazione e assistenza.

Coltivare il futuro#

Dalla selezione dei semi alla maturazione della frutta, l'AI sta trasformando l'agricoltura durante l'intero ciclo di vita dei prodotti, dalle fattorie alla tua tavola. Aiuta gli agricoltori a monitorare la salute del suolo, prevedere i momenti migliori per la raccolta e selezionare accuratamente i prodotti. Ottimizzando le risorse, riducendo gli sprechi e migliorando la resa delle colture, l'AI rende l'agricoltura più efficiente e sostenibile. Nonostante sfide come i costi, la necessità di competenze tecniche e la dipendenza dalla qualità dei dati, in molti casi i vantaggi dell'AI rendono queste difficoltà ampiamente ripaganti. Ecco perché sempre più agricoltori adottano l'AI.

Resta in contatto con la nostra community per continuare a imparare sull'AI! Dai un'occhiata al nostro repository GitHub per scoprire come utilizziamo l'AI per creare soluzioni innovative in settori come la produzione e la sanità. 🚀