Dal campo alla tavola: come l’IA promuove l’innovazione in agricoltura

Poiché si prevede che la popolazione mondiale crescerà di 2 miliardi di persone entro il 2050, per soddisfare la domanda dovremo aumentare la produzione alimentare di circa il 60%. L’intelligenza artificiale (AI) ci aiuta ad affrontare questa sfida promuovendo l’innovazione in agricoltura. Le innovazioni basate sull’AI possono essere usate per monitorare il bestiame, analizzare la crescita delle colture, prevedere quando le attrezzature agricole necessitano di manutenzione e molto altro. Quando pensiamo all’agricoltura, spesso ci viene in mente solo l’attività agricola. In realtà, è un settore ombrello che comprende molte funzioni e processi diversi.

Per capire meglio l’impatto dell’AI in agricoltura, consideriamo un esempio specifico: il ciclo di vita di un frutto. Cosa succede nel suo percorso dal campo alla nostra tavola?

In questo articolo vedremo come l'AI può aiutare in ogni fase del processo, dalla semina, alla coltivazione e alla raccolta, fino alla lavorazione, al trasporto e alla vendita della frutta.

Adottare nuove tecnologie in agricoltura per piantare alberi da frutto#

Il primo passo nel ciclo di vita delle colture da frutto consiste nel selezionare e piantare i semi. L’agricoltore deve decidere quale frutto coltivare durante la stagione. Le tecniche di AI, come il machine learning, possono essere usate per analizzare grandi quantità di dati e aiutare gli agricoltori a scegliere i semi più adatti alle specifiche condizioni del terreno e del clima. Valutando gli andamenti meteorologici storici, la composizione del suolo e i dati sulle prestazioni delle colture, l’AI può consigliare le varietà di semi più adatte e con maggiori probabilità di prosperare. L’uso dell’AI per la selezione dei semi è un ambito di ricerca in corso che suscita grande interesse e offre molte potenzialità.

Ad esempio, nel 2018 la CGIAR Inspire Challenge ha assegnato 100.000 $ a un progetto che usava il machine learning per selezionare i semi in modo più efficace. Il progetto era diretto da ricercatori del BioSense Institute e del CIMMYT. Hanno usato i dati di centinaia di siti di valutazione in Messico su diverse nuove varietà di mais per sviluppare modelli in grado di prevedere le prestazioni dei semi. Un approccio basato sui dati aumenta le probabilità di un raccolto riuscito e riduce il rischio di perdita del raccolto. Una volta selezionato il tipo di seme migliore, la visione artificiale può intervenire per verificarne la qualità.

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

Usare la visione artificiale per valutare la qualità dei semi#

La visione artificiale può essere usata per analizzare immagini ad alta risoluzione dei semi di frutta e rilevare imperfezioni, malattie e tratti genetici che potrebbero non essere visibili a occhio nudo. Per analizzare queste immagini e selezionare, classificare e valutare la qualità dei semi si possono usare diverse attività di visione artificiale. Automatizzando queste attività, l'AI può contribuire a garantire che vengano piantati solo i semi di migliore qualità e aiutare gli agricoltori a ottenere raccolti migliori.

Ad esempio, il selezionatore GeNee™ di Seed X è una macchina per la selezione dei semi basata sull’AI che migliora il processo di selezione. La macchina suddivide i semi in due categorie: quelli di alta qualità, con maggiori probabilità di germinare, vengono indirizzati nella vaschetta principale, mentre quelli con minori probabilità di germinare vengono smistati in una vaschetta secondaria. La macchina svolge attività come la valutazione del colore, della forma, delle dimensioni e della purezza genetica, oltre alla previsione dei tassi di germinazione. Grazie alla macchina, i tassi di germinazione possono superare il 90%, il che significa che più semi riescono a crescere dando vita a piante sane.

Fig. 2 Selezionatore GeNee™ di Seed X.

Usare l’AI per coltivare e raccogliere i frutti#

L'AI può essere usata anche per migliorare l'analisi del suolo e il monitoraggio delle colture. Droni dotati di telecamere avanzate sorvolano i campi coltivati a frutta e acquisiscono 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, si possono svolgere attività come il rilevamento delle erbe infestanti, il monitoraggio della crescita, la stima dei raccolti, la regolazione dell'irrigazione, l'applicazione precisa dei fertilizzanti e l'attuazione di interventi mirati contro i parassiti. Il monitoraggio in tempo reale con l'AI può contribuire ad aumentare i raccolti di frutta e promuovere pratiche agricole sostenibili.

Raccogliere un campo un solo giorno prima o dopo il momento ottimale potrebbe ridurre il reddito potenziale dell'agricoltore dal 3,7% fino al 20,4%. L'AI può aiutare a determinare il momento migliore per raccogliere i frutti. I metodi di raccolta tradizionali dipendono molto dalla manodopera 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 dati sul colore e sulle dimensioni dei frutti, oltre che sulle condizioni ambientali, e prevederne la maturazione. In questo modo i frutti vengono raccolti al momento migliore, aumentando i raccolti e riducendo gli sprechi.

Fig. 3. Uso della visione artificiale per segmentare le fragole mature.

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

Dopo la raccolta, il passaggio successivo è selezionare e classificare i frutti, così che i prodotti migliori arrivino ai consumatori. L’AI può essere usata per l’analisi volumetrica della segmentazione dei frutti. Applicando modelli di visione artificiale come Ultralytics YOLOv8, è possibile valutare le dimensioni, la forma e la qualità di un frutto.

Fig. 4. Uso del modello di visione artificiale Ultralytics YOLOv8 per segmentare i frutti.

Il processo prevede l’acquisizione di immagini ad alta risoluzione dei frutti su un nastro trasportatore, la segmentazione dei singoli frutti con il modello YOLOv8 e l’analisi volumetrica per misurarne le dimensioni e la forma e rilevare eventuali difetti. Sulla base dell’analisi, i frutti vengono selezionati e classificati automaticamente in categorie diverse per essere confezionati, lavorati o distribuiti in modo appropriato. 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 selezionati e classificati, i frutti possono essere confezionati con precisione da macchine automatiche. 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 garantire la conformità a standard e normative. L’ispezione delle confezioni in questo modo può prevenire situazioni come la vendita di prodotti scaduti. L’AI può rilevare etichette errate o date di scadenza superate e segnalarle per la correzione prima che i prodotti arrivino ai consumatori.

Innovazioni basate sull’AI nella vendita al dettaglio e nella distribuzione dei frutti#

Ora immaginiamo che tu abbia i frutti migliori, confezionati e pronti per la consegna. L’AI può migliorare la logistica e il trasporto dei frutti ottimizzando i percorsi. Mantenere i frutti freschi durante il trasporto e trovare gli itinerari di consegna più efficienti sono sfide importanti. Gli algoritmi di AI possono analizzare gli andamenti del traffico, le condizioni meteorologiche e i programmi di consegna per individuare i percorsi migliori e ridurre tempi e costi di trasporto.

Una volta che i frutti arrivano in negozio, l’AI continua a svolgere un ruolo fondamentale nella gestione delle scorte e nella previsione della domanda. I sistemi di AI possono analizzare i dati di vendita, le preferenze dei clienti e gli andamenti stagionali per prevedere la domanda con maggiore precisione. I negozi al dettaglio possono mantenere livelli ottimali di scorte sulla base delle informazioni fornite dall’AI e ridurre il rischio di accumulare troppe scorte o di restare senza prodotti.

Fig. 5. Personale che rifornisce il reparto frutta di un negozio. Fonte dell’immagine: Envato Elements.

La visione artificiale può essere usata nei negozi per monitorare le scorte sugli scaffali in tempo reale. Usando il rilevamento degli oggetti, le telecamere basate sull'AI possono rilevare quando le scorte sono basse o i prodotti sono posizionati in modo scorretto e avvisare il personale affinché rifornisca o riordini gli scaffali. Garantendo la disponibilità della giusta quantità di prodotti freschi al momento opportuno, l'AI contribuisce a migliorare la soddisfazione dei clienti e ridurre gli sprechi alimentari.

L’impatto complessivo dell’AI sul settore della frutta#

L'AI può svolgere un ruolo importante nell'aiutare i consumatori ad acquistare frutta di qualità migliore. Un ottimo esempio di integrazione efficace dell'AI nel settore della frutta è Nature Fresh Farms. Nature Fresh Farms ha trasformato le proprie attività dal seme al punto vendita usando la tecnologia AI. Sensori basati sull'AI e analisi dei dati aiutano a monitorare e gestire ogni aspetto, dalle condizioni climatiche e dai livelli di umidità nelle serre alla logistica del trasporto dei prodotti. Nature Fresh Farms ha ottimizzato le condizioni di coltivazione, controllato l'irrigazione e ridotto i costi. Il sistema AI riesce inoltre a portare i prodotti sugli scaffali dei supermercati entro 24-48 ore dal confezionamento, riducendo notevolmente i tempi di trasporto e mantenendo la freschezza.

Nonostante i numerosi vantaggi, l’uso dell’AI nel settore della frutta presenta alcuni potenziali svantaggi:

• Costi di implementazione: l’investimento iniziale nella tecnologia AI può essere elevato e rappresentare un ostacolo per alcuni agricoltori e produttori.
• Dipendenza dalla tecnologia: fare ampio affidamento sull’AI e sulla tecnologia può creare una dipendenza difficile da gestire, soprattutto in caso di problemi tecnici o guasti.
• Manutenzione e aggiornamenti: i sistemi di AI richiedono manutenzione e aggiornamenti regolari per funzionare in modo efficace, con un conseguente aumento dei costi ricorrenti e della complessità operativa.
• Complessità d’uso: alcuni agricoltori potrebbero trovare difficile comprendere e usare la tecnologia AI, rendendo necessarie attività di formazione e supporto.

Coltivare il futuro#

Dalla selezione dei semi alla maturazione dei frutti, l’AI sta cambiando l’agricoltura lungo tutto il ciclo di vita dei prodotti, dai campi alla tua tavola. Aiuta gli agricoltori a monitorare la salute del suolo, prevedere i momenti migliori per la raccolta e selezionare i prodotti con precisione. 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 giustificano questi ostacoli. Per questo sempre più agricoltori adottano l’AI.

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