Con la computer vision i trattori stimano la produzione agricola

Milano, 27 lug. (askanews) – Organizzare la raccolta in un campo agricolo di alberi da frutta o in un vigneto non è un’operazione banale: solitamente i contadini con anni di esperienza alle spalle riescono guardando le piante a stimare a quanto ammonterà la produzione, in modo da non lasciarsi trovare impreparati rispetto ai braccianti da assumere quando verrà il momento. A fare meglio dell’uomo arriva però Biosmart, la soluzione rivoluzionaria basata sull’Intelligenza Artificiale e brevettata in Italia ed Europa dall’azienda di Rovereto (TN) GeoInference: fondata nel 2019 da Eugenio Maffione e Stefano Martini ha creato degli algoritmi di computer vision proprietari che usano le immagini catturate da una telecamera stereoscopica montata sui trattori, e riescono a contare il numero di frutti sulle piante e a verificare se presentano difetti dovuti a malattie o ad intemperie, per stimare con assoluta precisione non solo la quantità del raccolto, ma anche il calibro dei frutti. “L’idea di montare sul trattore una videocamera dotata di un particolare sistema di rilevazione capace di costruire delle mappe che calcolino come andrà la produzione, mi è venuta pensando ai meleti del Trentino”, spiega Martini, che come Maffione ha alle spalle una lunga esperienza nella progettazione di software di sistemi ad alta affidabilità. “Per un agricoltore calcolare in modo preciso quante mele, pere o grappoli d’uva ci sono nel suo terreno è fondamentale non solo per organizzare la raccolta ma anche per analizzare la gestione nel corso degli anni, conoscendo ad esempio qual è l’impatto delle grandinate. Senza contare che le cooperative agricole ad esempio devono affittare i capannoni dove stoccare la frutta e organizzare la logistica e, quindi, sapere con precisione quanta frutta dovranno trasportare è cruciale”.

Naturalmente la soluzione software va addestrata a seconda della coltivazione: “L’Intelligenza Artificiale può imparare a distinguere mele, pere, albicocche, pesche ma anche pannocchie di mais, lattuga, broccoli e così via”, spiega Martini. “Il vantaggio è che raccoglie dati ogni qual volta il contadino esce nei campi col trattore, anche se ad esempio accade per sfalciare l’erba. Dati che non si limitano al numero, ma riguardano anche il colore, la pezzatura, le eventuali malattie. Ovviamente questo software ha senso per i grandi appezzamenti da 5 ettari in su, dove sarebbe difficile per chi coltiva riuscire a fare una stima precisa di tutte le coltivazioni. Ma anche per le aziende più piccole, sappiamo da quanto ci è stato riportato da chi ha esperienza nel settore, che le stime fatte tradizionalmente dagli agricoltori spesso hanno notevoli margini d’errore”.

Naturalmente GeoInference fornisce il cloud dove vengono elaborati e archiviati i dati che sono facilmente monitorabili dai contadini. “Oltre a visualizzare e contare i frutti, stiamo collaborando con la Fondazione Edmund Mach, per addestrare l’IA a riconoscere i fiori e stimare sulla base dei fiori presenti su una pianta quanti frutti verranno prodotti: la sperimentazione riguarda le mele, ma procederemo poi con altri frutti”. Il sistema però non ha potenzialità soltanto in agricoltura: “Abbiamo sperimentato questa Intelligenza Artificiale con analoga soluzione, ribattezzata GeoInference SmartCamera, anche per altri utilizzi”. Ad esempio in collaborazione la startup Mint, insediata nell’hub green di Trentino Sviluppo Progetto Manifattura, è nata l’applicazione per i campi da golf, la cui erba è soggetta ad essere attaccata da patogeni come il Dollar Spot, un fungo che lascia chiazze gialle sul green. “In questo caso l’IA è in grado di individuare la presenza del fungo precocemente in modo da anticipare il trattamento”.

Infine la soluzione ha presentato una valida applicazione anche per i depositi industriali e i poli logistici, dove si sfrutta l’elevata capacità di riconoscere gli oggetti dell’AI creata da GeoInference, per eseguire il cosiddetto “bin picking”, ovvero l’identificazione in 3D e la raccolta di oggetti specifici per alimentare la catena di produzione, che i robot devono individuare e prendere con estrema precisione da grandi contenitori in cui più oggetti sono stivati alla rinfusa.