L’innovazione digitale negli ultimi anni ha trasformato numerosi settori, non solo quelli più innovativi ma anche quelli più tradizionali, come il primario. L’agricoltura è al centro di un processo di profondo rinnovamento, che punta sulle tecnologie digitali – e in particolare su Intelligenza Artificiale e Machine Learning, Internet of Things, Cloud e Blockchain – per realizzare quella tracciabilità di filiera che tutela al meglio il consumatore, migliorare la qualità e la resa della produzione agricola.
Sensori IoT e Machine Learning migliorano la resa dei terreni nell’agroalimentare
Dal grappolo alla bottiglia di vino, dal latte allo spicchio di Parmigiano Reggiano, l’AI migliora la qualità dei prodotti enogastronomici tutelando al meglio il Made in Italy agroalimentare. Fornisce, infatti, un ambiente avanzato per integrare, correlare e analizzare in tempo reale i dati che si generano nei diversi passaggi dalla terra al carrello. Nel caso di prodotti oggetto di certificazioni specifiche (si pensi ai prodotti BIO) Artificial Intelligence e Machine Learning offrono un sostegno concreto al miglioramento della resa agricola, grazie all’uso combinato di sensori IoT, droni e trattori a guida autonoma. I sensori posizionati nel terreno inviano di continuo dati sull’umidità, il contenuto di sali minerali e altri parametri. I droni scattano immagini georeferenziate in alta risoluzione degli appezzamenti. Queste fotografie, arricchite e incrociate con i dati meteo e quelli sullo stato di salute del terreno, indicano esattamente quali sono i problemi – bassa umidità e ridotto contenuto di minerali del terreno, eventuali epidemie di insetti dannosi… – e le soluzioni da adottare: la giusta dose di fitofarmaci e antiparassitari nel caso di agricoltura tradizionale, insetticidi naturali e difesa biologica per le colture BIO. Un cambio di passo deciso rispetto solo a qualche anno fa. E tutto questo è possibile solo grazie all’AI e agli algoritmi di Machine Learning, che permettono di correlare e incrociare la miriade di dati che macchinari, droni e sensori connessi generano di continuo.
I vantaggi per i retailer nella filiera agroalimentare
Ma i vantaggi non sono evidenti solo per le aziende agricole. Anche gli operatori della distribuzione possono migliorare il servizio reso al cliente e ridurre i costi grazie all’uso di algoritmi statistici di AI e funzionalità di apprendimento automatico. I retailer sono oggi in grado di calibrare perfettamente il riassortimento dei prodotti alimentari freschi attraverso modelli che permettono di raccogliere frutta e verdura nel momento più adatto per giungere sullo scaffale del supermercato al giusto punto di maturazione, tenuto conto anche delle condizioni meteo previste e della situazione dei trasporti. Nella distribuzione dei prodotti surgelati, gli algoritmi di autoapprendimento applicati ai dati provenienti dai sensori posizionati sui camion frigo permettono di ottimizzare la gestione della catena del freddo e tutelare, così, al meglio la salute dei clienti garantendo sempre le condizioni di conservazione ideali.
Le tecnologie AI che migliorano la food quality agro
Ma quali sono, in concreto, le tecnologie di Artificial Intelligence che permettono di migliorare la qualità dei prodotti agroalimentari e i servizi retail? Ecco le principali:
- Machine Learning e Deep Learning
La capacità di utilizzare modelli statistici senza l’intervento specifico di un programmatore ha aperto la strada alle strategie di pricing dinamico, che i retailer usano per adattare istantaneamente l’offerta alle esigenze dei singoli consumatori. In agricoltura, invece, le App mobile “potenziate” dall’AI in dotazione agli agronomi sono in grado di individuare immediatamente qual è il problema della pianta inquadrata. - Computer vision
Il potere altamente ingaggiante di video e immagini ha spinto i retailer a integrarvi funzionalità di self checkout per rendere più fluida la Customer Experience. - Sistemi esperti
Agenti intelligenti governati da algoritmi sono in grado di sfruttare un’expertise programmata per prendere decisioni in autonomia. Proprio quello che fanno i frigoriferi smart collegati direttamente ai sistemi informativi del supermercato, che possono riassortire automaticamente gli alimenti le cui scorte sono in esaurimento. - Robot fisici e robo? software
Si tratta di macchinari sofisticati in grado di risolvere problemi più o meno complessi. Già oggi i grandi magazzini della GDO dispongono di robot per il sezionamento preciso del bestiame, così da avere sempre la massima resa per ogni capo. In futuro, poi, ci sarà spazio per gli auditor robotizzati, che supervisioneranno i flussi all’interno degli store. L’agricoltura robotizzata, invece, velocizza le operazioni più ripetitive e pericolose, come la raccolta delle erbacce e della frutta o il confezionamento. Droni e trattori a guida autonoma permettono di tradurre in pratica i modelli del precision farming (agricoltura di precisione). - Natural Language Processing and Generation
Con la diffusione degli speaker domestici intelligenti, il futuro degli acquisti agroalimentari sembra legato a doppio filo a quello di AI e autoapprendimento.
IBM Watson Cognitive Services: l’AI al servizio dell’agricoltura e del settore agroalimentare moderno
Watson aiuta le grandi aziende agricole a estendere i benefici dell’AI oltre l’agricoltura di precisione, per abbracciare una gestione intelligente degli agridata e sostenere in modo efficace tutti i processi, grazie all’integrazione con le fonti dati esterne come le previsioni meteo. Le immagini georeferenziate acquisite dai droni sono rielaborate da Watson Visual Recognition per evidenziare direttamente sulle mappe di vigore i problemi e i fattori di rischio, come la demineralizzazione del terreno o la presenza di insetti dannosi. Gli algoritmi di Machine Learning di Watson suggeriscono anche gli interventi da intraprendere – la somministrazione di anticrittogamici e fitofarmaci – e permettono di monitorare in tempo reale i progressi ottenuti. La cognitive intelligence diventa sempre più importante anche per gli operatori della distribuzione: la possibilità di incorporare i dati relativi ai bollettini meteo o alle informazioni sul traffico in tempo reale permette di ottimizzare i flussi di approvvigionamento, scongiurando il rischio dell’out of stock.
Leggi gli altri servizi del dossier Analisi, approfondimenti, studi e tools per data scientist, IT Manager e Lob
Immagine fornita da Shutterstock
