{"id":1379,"date":"2026-09-26T22:23:47","date_gmt":"2026-09-26T20:23:47","guid":{"rendered":"https:\/\/greatit.it\/demetra\/?p=1379"},"modified":"2026-10-01T10:10:46","modified_gmt":"2026-10-01T08:10:46","slug":"una-ai-vision-verso-il-controllo-dellagritech","status":"publish","type":"post","link":"https:\/\/greatit.it\/demetra\/una-ai-vision-verso-il-controllo-dellagritech\/","title":{"rendered":"Una AI-VISION verso il controllo dell'agritech"},"content":{"rendered":"

Abstract<\/strong><\/p>\n

La pianta cambia durante il ciclo, mentre molti impianti continuano a lavorare con gli stessi setpoint.
\nFase fenologica, radiazione, biomassa e obiettivo produttivo richiedono strategie dinamiche.
\nPerch\u00e9 trattare la pianta sempre nello stesso modo se cambia ogni giorno?<\/p>\n

Pensiamo a una lattuga appena trapiantata e alla stessa pianta pochi giorni prima della raccolta. La superficie fogliare, l\u2019apparato radicale e la quantit\u00e0 di biomassa sono profondamente diversi. Le foglie si sovrappongono, la luce penetra nella chioma in modo diverso e l\u2019aria incontra nuovi ostacoli. Cambiano l\u2019assorbimento di acqua e nutrienti e il contributo della coltura al bilancio di umidit\u00e0 dell\u2019ambiente.<\/p>\n

Eppure, il programma di coltivazione pu\u00f2 rimanere identico: stessa intensit\u00e0 luminosa, stessi intervalli irrigui, stessi valori di temperatura e umidit\u00e0.<\/p>\n

\u00c8 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\u2019intelligenza artificiale.<\/p>\n

Come capire se la coltura sta raggiungendo gli obiettivi<\/strong><\/p>\n

Nella gestione di un\u2019impresa utilizziamo indicatori di prestazione per verificare se i risultati sono in linea con le attese. Un ragionamento analogo pu\u00f2 essere applicato alla coltivazione.<\/p>\n

Velocit\u00e0 di crescita, uniformit\u00e0, qualit\u00e0 e consumo di risorse per unit\u00e0 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 \u00e8 ancora possibile intervenire.<\/p>\n

Possiamo osservare quanto rapidamente si espande la chioma, come cambia il consumo idrico o quanto si discostano tra loro le piante dello stesso lotto.<\/p>\n

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 \u00e8 fisiologico e quando merita un approfondimento?<\/p>\n

\u00a0<\/strong>La ricerca sta gi\u00e0 costruendo questi strumenti<\/strong><\/p>\n

Esistono gi\u00e0 studi che utilizzano immagini e algoritmi di apprendimento automatico per stimare caratteristiche della coltura senza ricorrere ogni volta a campionamenti distruttivi.<\/p>\n

Una ricerca pubblicata nel 2022 ha combinato immagini a colori, immagini di profondit\u00e0 e caratteristiche geometriche delle piante per stimare il peso fresco della parte aerea della lattuga attraverso il deep learning. \u00c8 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<\/em><\/a><\/p>\n

Un altro studio ha mostrato la possibilit\u00e0 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<\/em><\/a><\/p>\n

Questi risultati costituiscono una base per sviluppare sistemi di supporto alle decisioni. Stimare correttamente la crescita \u00e8 per\u00f2 soltanto un passaggio: per suggerire un intervento occorre collegare quella crescita alle condizioni ambientali, alla storia della coltura e all\u2019obiettivo produttivo.<\/p>\n

\"Articolo
Figura 1: Immagine 1 \u2014 Monitoraggio della crescita con immagini RGB-D. Coltivazione sperimentale di lattuga e sistema di acquisizione di immagini a colori e di profondit\u00e0, utilizzate per stimare la biomassa senza distruggere le piante. Fonte: Buxbaum, Lieth e Earles (2022), Figura 1, Frontiers in Plant Science<\/em>. DOI: 10.3389\/fpls.2022.758818<\/a>. Licenza CC BY 4.0<\/a>.<\/figcaption><\/figure>\n

Quali sensori possono aiutarci<\/strong><\/p>\n

La sensoristica offre strumenti diversi per osservare l\u2019ambiente e la risposta delle piante.<\/p>\n

Temperatura e umidit\u00e0 dell\u2019aria, CO\u2082, radiazione fotosinteticamente attiva, temperatura della soluzione nutritiva, pH ed EC descrivono importanti condizioni di coltivazione. A queste misure possiamo affiancare strumenti che osservano pi\u00f9 direttamente la coltura:<\/p>\n