Gli enormi progressi ottenuti negli ultimi decenni nel campo delle tecnologie sensoristiche, dell’automazione, dei sistemi informatici per la gestione e analisi dei dati, hanno aperto una nuova era nell’agricoltura contemporanea, spesso indicata con agricoltura 4.0.

Già da tempo le moderne macchine agricole, grazie al diffuso impiego di sistemi di posizionamento GNSS, possono modulare i loro parametri operativi in funzione della variabilità sito-specifica delle esigenze colturali, realizzando così approcci di agricoltura di precisione. A queste si sono affiancate tecnologie per il monitoraggio a elevata risoluzione della variabilità spaziale e temporale dello sviluppo delle piante, le applicazioni di modellistica per la valutazione delle esigenze sito-specifiche e tempo-specifiche della coltura finalizzate a modulare in modo ottimizzato la distribuzione variabile degli input di produzione (semi, acqua, fertilizzanti, trattamenti, energia ecc.) secondo obiettivi di resa, qualità, redditività e sostenibilità ambientale delle produzioni.

Naturalmente in ambiti di ricerca tali tecnologie trovano applicazioni in architetture molto avanzate che esplorano nuove potenziali funzionalità spesso secondo approcci multidisciplinari. E’ il caso del progetto MINDFoods-Hub che ha sviluppato un’infrastruttura tecnologica di campo per rilevare la risposta di diverse specie e varietà di orticole a trattamenti innovativi effettuati durante la loro crescita, finalizzati a stimolare un miglioramento di caratteristiche desiderabili (resistenza ad avversità, efficienza d’uso dei fertilizzanti, accumulo di composti benefici per la salute del consumatore, ecc.).

A tale fine, è stato impiegato un pool di sensori multipli ed algoritmi appositamente sviluppati per stimare in modo non distruttivo un set di parametri anatomici e di alcune caratteristiche fisico-chimiche delle piante o di loro organi, così da caratterizzare quegli individui che mostrano i tratti più desiderati, evidenziando una positiva interazione della loro specificità genetica con condizioni ambientali e trattamenti gestionali applicate durante la crescita. I sensori hanno operato a bordo di una piattaforma robotizzata capace di condurre i rilievi con un’elevatissima risoluzione spaziale e temporale, mantenendo la tracciabilità dei dati tracciabili lungo l’intero ciclo di crescita, se necessario a livello di singola pianta. I dati acquisiti, trasmessi in cloud tramite rete 5G, hanno alimentato un datalake remoto interrogabile tramite interfacce semplificate sviluppate per app.

I requisiti di elevata accuratezza, frequenza, ripetibilità e analisi dell’enorme volume di dati acquisiti da tale piattaforma, rendono questa applicazione di campo un dominio ideale per approcci big-data consentendo, oltre a una raccolta autonoma e altamente efficiente di più dati, la loro integrazione con informazioni esterne, lo studio di relazioni complesse tramite tecniche di intelligenza artificiale, l’interfaccia intuitiva di estrazione di indicatori significativi ecc.

È importante rilevare che questo tipo di architetture tecnologiche si presta non solo a funzioni di monitoraggio sensorizzato, ma tramite l’installazione di opportuni attuatori consente potenzialmente di effettuare trattamenti robotizzati a elevatissima precisione.

La gestione e analisi di dati colturali di tali densità (big-data), unitamente a tecnologie di automazione a elevata precisione consentono di esplorare approcci di agricoltura a un nuovo livello, spesso indicato come Smart Agriculture.

Di questo argomento ne parliamo con Roberto Oberti, professore associato di Ingegneria Agraria all’Università degli Studi di Milano dove svolge attività di ricerca e didattica presso il DiSAA – Dipartimento di Scienze Agrarie e Ambientali