Abstract
La pianta cambia durante il ciclo, mentre molti impianti continuano a lavorare con gli stessi setpoint.
Fase fenologica, radiazione, biomassa e obiettivo produttivo richiedono strategie dinamiche.
Perché trattare la pianta sempre nello stesso modo se cambia ogni giorno?
Pensiamo a una lattuga appena trapiantata e alla stessa pianta pochi giorni prima della raccolta. La superficie fogliare, l’apparato radicale e la quantità di biomassa sono profondamente diversi. Le foglie si sovrappongono, la luce penetra nella chioma in modo diverso e l’aria incontra nuovi ostacoli. Cambiano l’assorbimento di acqua e nutrienti e il contributo della coltura al bilancio di umidità dell’ambiente.
Eppure, il programma di coltivazione può rimanere identico: stessa intensità luminosa, stessi intervalli irrigui, stessi valori di temperatura e umidità.
È da questa osservazione che nasce una direzione di lavoro che ci interessa sviluppare in GREAT IT: individuare indicatori capaci di raccontare come sta procedendo la coltura e utilizzarli per guidare le scelte di gestione, anche attraverso il supporto dell’intelligenza artificiale.
Come capire se la coltura sta raggiungendo gli obiettivi
Nella gestione di un’impresa utilizziamo indicatori di prestazione per verificare se i risultati sono in linea con le attese. Un ragionamento analogo può essere applicato alla coltivazione.
Velocità di crescita, uniformità, qualità e consumo di risorse per unità di prodotto permettono di valutare una ricetta attraverso i risultati che produce. Alcuni indicatori vengono misurati alla raccolta; altri possono essere seguiti durante il ciclo, quando è ancora possibile intervenire.
Possiamo osservare quanto rapidamente si espande la chioma, come cambia il consumo idrico o quanto si discostano tra loro le piante dello stesso lotto.
Per rendere utili queste informazioni occorre definire un riferimento: quale andamento ci aspettiamo da quella cultivar, in quella fase e in quelle condizioni? Quando uno scostamento è fisiologico e quando merita un approfondimento?
La ricerca sta già costruendo questi strumenti
Esistono già studi che utilizzano immagini e algoritmi di apprendimento automatico per stimare caratteristiche della coltura senza ricorrere ogni volta a campionamenti distruttivi.
Una ricerca pubblicata nel 2022 ha combinato immagini a colori, immagini di profondità e caratteristiche geometriche delle piante per stimare il peso fresco della parte aerea della lattuga attraverso il deep learning. È un esempio concreto di come osservazioni visive possano diventare misure quantitative utili a seguire la crescita. Automatic monitoring of lettuce fresh weight by multi-modal fusion based deep learning
Un altro studio ha mostrato la possibilità di stimare la biomassa della lattuga combinando una telecamera RGB-D commerciale a basso costo con un modello di deep learning. Non-destructive Plant Biomass Monitoring With High Spatio-Temporal Resolution
Questi risultati costituiscono una base per sviluppare sistemi di supporto alle decisioni. Stimare correttamente la crescita è però soltanto un passaggio: per suggerire un intervento occorre collegare quella crescita alle condizioni ambientali, alla storia della coltura e all’obiettivo produttivo.
Quali sensori possono aiutarci
La sensoristica offre strumenti diversi per osservare l’ambiente e la risposta delle piante.
Temperatura e umidità dell’aria, CO₂, radiazione fotosinteticamente attiva, temperatura della soluzione nutritiva, pH ed EC descrivono importanti condizioni di coltivazione. A queste misure possiamo affiancare strumenti che osservano più direttamente la coltura:
Queste tecniche sono già utilizzate nella fenotipizzazione vegetale, cioè nella misurazione delle caratteristiche osservabili delle piante e delle loro risposte all’ambiente. Le piattaforme più sofisticate, soprattutto quelle iperspettrali, possono comportare costi elevati e richiedono competenze specifiche per acquisire e interpretare i dati. A Review of Imaging Techniques for Plant Phenotyping
PlantEye e la fenotipizzazione avanzata
Un esempio di strumentazione avanzata è PlantEye di Phenospex, che combina scansione tridimensionale e acquisizione multispettrale. Permette di ricavare parametri come altezza, superficie fogliare tridimensionale, copertura e indici spettrali, ripetendo le misure sulle stesse piante senza distruggerle.
Tra i parametri restituiti compare anche la “biomassa digitale”: un indicatore geometrico da mettere in relazione con la biomassa reale attraverso opportune verifiche sperimentali. Documentazione tecnica PlantEye
Strumenti di questo livello sono particolarmente interessanti per la ricerca: permettono di seguire nel tempo differenze tra genotipi, trattamenti e condizioni di crescita.
Per un impianto produttivo, la scelta richiede anche una valutazione economica. Quale informazione aggiuntiva otteniamo? Quale decisione ci permette di migliorare? E quanto vale quel miglioramento rispetto al costo di acquisizione, integrazione e gestione della misura?
Una possibile strada è utilizzare la strumentazione avanzata nella fase sperimentale per individuare gli indicatori più informativi, verificando poi quali possano essere seguiti in produzione con soluzioni più semplici.
La pianta modifica l’ambiente che stiamo misurando
Nel precedente articolo abbiamo descritto la traspirazione attraverso il gradiente di vapore e le resistenze che regolano gli scambi tra foglia e atmosfera.
Con lo sviluppo della chioma, alcune foglie possono trovarsi in zone meno ventilate. Il vapore acqueo viene allontanato con maggiore difficoltà e il microclima vicino alla superficie fogliare può discostarsi dalle condizioni misurate dal sensore della stanza.
L’impianto continua a leggere il valore desiderato, mentre una parte delle piante vive già una situazione diversa.
Ecco perché le misure ambientali acquistano significato quando vengono collegate alle osservazioni sulla coltura. La posizione dei sensori, la frequenza delle letture e la fase di sviluppo diventano parte del progetto.
Dai dati ai suggerimenti dell’intelligenza artificiale
Immaginiamo di raccogliere, ciclo dopo ciclo, dati ambientali, indicatori di crescita, consumi, interventi effettuati e risultati alla raccolta. Ogni osservazione conserva il proprio contesto: cultivar, densità, fase di sviluppo e condizioni operative.
Si costruisce così una base di dati progressivamente più ricca, sulla quale sviluppare e verificare modelli capaci di riconoscere scostamenti e relazioni utili.
Un primo obiettivo concreto è un sistema che segnali un andamento inatteso e suggerisca possibili interventi al responsabile della coltivazione. La scelta viene valutata, applicata entro limiti definiti e verificata attraverso la risposta delle piante.
Registrare anche l’esito dell’intervento permette di aggiornare la conoscenza disponibile e, dopo opportuna validazione, migliorare i modelli. Un rallentamento della crescita, infatti, può avere cause differenti: la qualità del suggerimento dipende dalla capacità di interpretare insieme più informazioni.
La ricerca sul controllo dinamico delle vertical farm sta già esplorando il collegamento tra monitoraggio della coltura, modelli e regolazione delle condizioni ambientali. Kaiser et al., 2024
Ogni decisione deve funzionare anche nell’impianto
Una modifica dell’illuminazione cambia la distribuzione dei carichi termici. Una variazione del movimento dell’aria influenza gli scambi tra foglie e ambiente. Una diversa domanda d’acqua richiede una gestione irrigua capace di seguirla.
Anche un suggerimento fondato su buoni dati deve quindi essere compatibile con le capacità reali dell’impianto e con le interazioni tra i suoi componenti.
È qui che fisiologia vegetale, agronomia, sensoristica e ingegneria devono lavorare insieme.
Nel percorso di GREAT IT, DEMETRA offre un ambiente nel quale mettere alla prova queste relazioni: confrontare protocolli, valutare indicatori e verificare se una modifica produce un vantaggio ripetibile prima di trasferirla alla scala industriale.
È questo il lavoro che ci interessa: costruire una coltivazione capace di utilizzare ciò che impariamo dalle piante. Ogni ciclo aggiunge informazioni; ogni intervento verificato può rendere più precisa la decisione successiva.
Quali indicatori considerate davvero utili per decidere quando cambiare strategia di coltivazione?
Bibliografia
Documentazione tecnica
#ControlledEnvironmentAgriculture #VerticalFarming #PlantPhysiology #PlantPhenotyping #AdaptiveCultivation #ArtificialIntelligence #SmartFarming #PrecisionAgriculture #GreatIT #DEMETRA
