I ricercatori presentano uno strumento basato sull'intelligenza artificiale per aiutare i coltivatori di olive a prevedere i tempi del raccolto

Grazie all'impiego dell'apprendimento automatico per analizzare una serie di dati provenienti da aziende agricole modello, i ricercatori sono riusciti a prevedere i tempi della raccolta delle olive con un'accuratezza del 90%.

Dopo oltre tre anni di sviluppo, i risultati del lavoro del Gruppo Operativo Predic 1 sono stati presentati il mese scorso in occasione di una conferenza a Mengíbar, nella provincia di Jaén.

Il compito del gruppo era quello di realizzare una piattaforma in grado di prevedere i raccolti di olive con un anticipo di un’intera stagione, un obiettivo che hanno dichiarato di aver raggiunto con un’accuratezza fino al 90%.

Il lavoro è stato svolto da un consorzio composto dall’Università di Jaén, Cetemet, Citoliva, Cooperativas Agro-alimentarias de Andalucía, un’unione di agricoltori, e Nutesca, utilizzando come casi di studio gli oliveti tradizionali di varietà Picual a Jaén, Córdoba e Granada.

Vedi anche: Ricercatori in Andalusia sviluppano uno strumento di IA per migliorare l’efficienza dell’irrigazione

Secondo María Isabel Ramos, pro­fes­sore presso il Dipartimento di Ingegneria Cartografica, Geodetica e Fotogrammetrica dell’Università di Jaén e autrice cor­re­spondente di uno studio del 2022 su questa tec­no­lo­gia, i siste­mi predittivi sono fonda­mentali per il futuro del set­to olivicolo.

"A livello scientifico, la previsione del raccolto è uno dei problemi più complessi nell'ambito dell'agricoltura di precisione", ha affermato. ​“Esistono diversi studi che formulano queste previsioni basandosi sulla stretta relazione tra l’emissione di polline e la produzione di frutti, altri su variabili aerobiologiche, fenologiche e meteorologiche, tutte con un’accuratezza efficiente e accettabile a partire da luglio.”

«Intendiamo perfezionare questa previsione e riuscire a fornire previsioni ottimali nel periodo che precede la fioritura… molto prima che l’agricoltore metta in atto la propria pianificazione strategica e gli investimenti economici nell’azienda agricola», ha aggiunto Ramos.

Il gruppo ha utilizzato metodologie di data mining precedentemente impiegate in progetti di sanità predittiva per creare modelli di regressione a partire dai dati meteorologici e dai dati storici sui raccolti provenienti dall’intera area target iniziale.

A ciò sono stati aggiunti dati in tempo reale provenienti da droni dotati di sensori termografici e telecamere multispettrali, immagini satellitari, valutazioni fenologiche, analisi fogliari e del suolo e dati raccolti da aziende agricole modello.

Il modello utilizza l'apprendimento automatico, il campo più consolidato dell'intelligenza artificiale e con una comprovata esperienza in agricoltura, per prevedere le rese dei raccolti nel modo più accurato possibile.

L'utilizzo di un algoritmo di macchina a vettori di supporto ha reso possibile l'uso di più kernel, ovvero i kernel lineari e gaussiani. Ciò rende più facile per l’algoritmo adattarsi alla natura dei dati, consentendo di effettuare infinite trasformazioni.

La plat­forma sarà dis­po­ni­bi­le gratuitamente come appli­ca­zione web simile a SIGPAC, il si­stema di in­for­ma­zioni geogra­fiche del go­verno spa­gnolo per le par­celle agri­col­ari.

Vedi anche: I ricercatori sviluppano un algoritmo per prevedere il potenziale di raccolto dai dati climatici

Gli utenti possono visualizzare una rappresentazione grafica interattiva delle informazioni richieste ed esportare i dati.

Francisco Ramón Feito Higueruela, titolare della cattedra di grafica computerizzata e geomatica all’Università di Jaén e coordinatore tecnico del progetto, ha spiegato che, con l’aumentare del numero di utenti e l’inserimento nel sistema dei risultati dei raccolti futuri, la precisione delle previsioni migliorerà. Sarà possibile disporre di modelli più efficienti e su misura per ogni zona.

José Menar Pacheco delle Cooperativas Agro-alimentarias de Andalucía ha sottolineato l’importanza del ruolo della sua organizzazione nella diffusione dei risultati del progetto e delle conoscenze tra le parti interessate.

Egli spera di garantire un’ampia diffusione e adozione dei risultati del progetto per migliorare la gestione delle aziende agricole dei propri soci e l’ottimizzazione delle risorse. Tali membri rappresentano oltre 11 milioni di euro di fatturato annuo e oltre il 70% della produzione totale di olio d’oliva dell’Andalusia.

Il progetto è finanziato dai fondi agricoli europei per lo sviluppo rurale e dal governo regionale andaluso nell’ambito del bando per i gruppi operativi regionali del Partenariato europeo per l’innovazione in materia di produttività agricola e sostenibilità nel settore olivicolo.

“Nell’ambito della Politica Agricola Comune, si stanno attuando una serie di nuove riforme, tra cui la lotta ai cambiamenti climatici con questi obiettivi ambientali, nonché il raggiungimento di un settore agricolo sostenibile e competitivo attraverso il sostegno agli agricoltori, e tutto questo con un forte impegno verso la digitalizzazione del settore olivicolo per raggiungere tali obiettivi”, ha affermato Ramos.

Ha aggiunto: “Il raggiungimento di questi ob­ie­tti­vi dipende da un’ad­e­quata pro­cess­o de­ci­sionale da parte di ci­ascuno degli attori co­in­vol­ti nel se­tto­re. Pertanto, i sistemi predittivi sono uno strumento cruciale nella gestione e nel processo decisionale”.