L’utilizzo di tecnologie e del paradigma Internet of Things (IoT) è oggi molto diffuso in diversi scenari, tra cui lo sviluppo di applicativi di smart agriculture (SA), in quanto permette di ottenere una gestione estremamente ottimizzata del campo e delle coltivazioni per gli agricoltori.
Di seguito è presentata una panoramica sui principali obiettivi e benefici dell’utilizzo di tecniche di IoT in ambito agricolo. Infine, saranno descritti due casi d’uso reali, gestiti dall’Università degli Studi di Parma nell’ambito di progetti nazionali ed Internazionali.
Indice degli argomenti
Smart agriculture e IoT: obiettivi e benefici
È ormai evidente come la Smart Agriculture (SA), o agricoltura di precisione, sia diventata negli ultimi anni uno scenario di grande interesse, sia perché offre la possibilità di ottenere una ottimizzazione delle risorse (tra cui, in primo luogo l’utilizzo di acqua), sia perché la gestione delle coltivazioni risulta più precisa ed efficiente, tramite un monitoraggio continuo, anche a distanza. In particolare, in questo ambito è molto diffuso l’utilizzo e l’implementazione di tecnologie innovative inerenti al paradigma dell’Internet delle cose o Internet of Things (IoT), poiché permettono ad oggetti fisici di raccogliere informazioni sulla coltivazione, rendendone così la gestione ottimizzata[1].
Gli applicativi in agricoltura intelligente: esempi
Gli applicativi in agricoltura intelligente che comprendono l’uso di dispositivi IoT sono molteplici e di varia natura: dall’utilizzo di sensori IoT specifici per le coltivazioni (come sensori del suolo, sensori fogliari, telecamere, contatori idrici intelligenti, ecc..) per il monitoraggio di parametri rilevanti per la crescita delle coltivazioni, fino all’utilizzo di attuatori IoT (come, per esempio, sistemi di irrigazione automatizzata, sistemi di controllo della temperatura, sistemi automatici di alimentazione per animali, ecc..) che consentono l’esecuzione di azioni autonome sulla base delle informazioni raccolte dai sensori e di algoritmi sviluppati ad-hoc, senza la necessità dell’intervento umano.
I dispositivi IoT possono, tramite l’utilizzo di diversi protocolli di comunicazione, scambiare e condividere i dati e le informazioni raccolte.
Attualmente uno dei protocolli di comunicazione più utilizzati per la comunicazione con sensori ed attuatori IoT è la specifica Long Range Wide Area Network, LoRaWAN[2], definita dall’organizzazione no-profit LoRa Alliance[3]. Nel dettaglio, il protocollo LoRaWAN è il più utilizzato in applicativi di agricoltura intelligente, perché consente lo scambio di informazioni e quindi comunicazioni a lungo raggio (nell’ordine di chilometri) ed anche in presenza di ostacoli, come accade, ad esempio, per i sensori del suolo, posti sottoterra per monitorare i valori del terreno della coltivazione.
I principali obiettivi nell’agricoltura di precisione
L’utilizzo di sensori ed attuatori IoT in ambito agricolo consente di affrontare alcune criticità classiche di questo ambito. Negli ultimi anni, infatti, la conservazione di risorse come acqua ed energia è diventata sempre più rilevante, soprattutto a causa del cambiamento climatico. Per poter gestire in modo ottimale l’irrigazione dei campi, è importante avere una visione completa dei valori e degli eventi climatici. Quindi, la predizione di valori, come temperatura dell’aria e umidità del suolo, si rileva fondamentale non solo per ottenere una gestione automatizzata dell’irrigazione, ma anche per migliorare il rendimento finale delle colture, limitando, ad esempio, il numero di frutti marci o immaturi, cercando sempre di ridurre gli sprechi e monitorare quindi il consumo idrico.
Le quattro componenti dell’agricoltura di precisione
In generale, l’agricoltura di precisione può essere vista come l’unione di quattro componenti principali: il monitoraggio delle condizioni climatiche (temperatura, piogge, ecc..), il monitoraggio delle condizioni del suolo (umidità, conducibilità elettrica, ecc..), il controllo delle malattie delle piante (come parassiti) e il controllo dell’irrigazione[4]. Tutte queste informazioni, se gestite ed elaborate correttamente, possono servire sia come supporto agli agricoltori per prendere decisioni mirate, sia per sviluppare sistemi elaborati, finalizzati alla gestione automatica dei campi.
Ottimizzazione del consumo idrico
Uno dei principali obiettivi dell’agricoltura di precisione, e quindi un motivo per cui le metodologie IoT svolgono un ruolo cruciale a supporto degli agricoltori, è l’ottimizzazione del consumo idrico. Infatti, molti degli ortaggi e frutti comunemente coltivati necessitano di una grande quantità di acqua per crescere e per svilupparsi correttamente: è quindi necessario fornire loro quantità adeguate di acqua al momento giusto. Con l’integrazione di tecnologie IoT, non solo è possibile minimizzarne gli sprechi, ma anche migliorare quantità e la qualità del raccolto.
L’installazione di sensori IoT consente di monitorare in tempo reale sia le condizioni atmosferiche, sia parametri come l’umidità del suolo e delle piante. La raccolta e il monitoraggio, tramite sistemi di elaborazione dati, di queste informazioni permettono una gestione precisa della coltivazione.
È quindi possibile realizzare un sistema di irrigazione, automatizzato o semi-automatizzato, che possa distribuire la quantità di acqua necessaria alla vita delle piante al momento più opportuno.
Prendere decisioni basate sui dati reali
Ad esempio, l’utilizzo di contatori idrici installati insieme a valvole intelligenti (comandabili da remoto) collegate ai sistemi di irrigazione, consente un monitoraggio continuo del volume di acqua versato per una determinata coltivazione o, più precisamente, per ogni fila di colture o per ogni singola pianta. Inoltre, è possibile utilizzare sensori del suolo per monitorare il livello di umidità del terreno per poter capire il momento più opportuno in cui irrigare: ad esempio, si può decidere di attivare l’irrigazione ogni volta che il valore di umidità del suolo scende sotto ad una ad una soglia specifica per il tipo di cultura che si sta monitorando.
In questo modo, l’utilizzo di sensori IoT consente all’agricoltore di prendere decisioni basate sui dati reali della coltivazione, in modo tale da migliorare la resa delle colture e, allo stesso tempo, ridurre i costi operativi e lo spreco di risorse.
Predizione di informazioni agronomiche
Un secondo obiettivo estremamente rilevante nelle applicazioni di agricoltura intelligente riguarda la predizione delle informazioni agronomiche. Infatti, la capacità di predire valori strettamente collegati alla crescita delle piante, come le condizioni metereologiche, l’umidità del terreno e le fasi di crescita, consente avere una visione più dettagliata dello stato futuro (ad esempio con una finestra temporale di una settimana) dell’intera coltura. Tramite queste informazioni di predizione, gli agricoltori o i sistemi automatizzati prendere decisioni in modo più tempestivo e pianificare in modo più efficiente le attività in campo.
La predizione dei valori di parametri di interesse
La predizione dei valori di parametri di interesse (come la temperatura dell’aria, la quantità di pioggia, ecc..), è una funzionalità aggiuntiva integrabile in un sistema di agricoltura intelligente, e a supporto dei sistemi di monitoraggio delle coltivazioni. Si basano principalmente su algoritmi basati su tecniche di Intelligenza Artificiale (IA), di crescente importanza al giorno d’oggi in diversi ambiti, che costruiscono modelli digitali della coltivazione utilizzando lo storico dei dati raccolti dai sensori IoT.
L’implementazione di algoritmi specifici di predizione, come la Regressione Lineare, può permettere di ottenere una stima del momento di raccolta delle colture con qualche settimana di anticipo. Metodi di questo tipo consentono di ottenere una massimizzazione della resa delle coltivazioni e quindi di produzione vendibile, riducendo allo stesso tempo il consumo di risorse e la produzione non vendibile (frutti marci e/o immaturi). Inoltre, algoritmi di Intelligenza Artificiale possono essere sfruttati per anticipare la presenza di malattie o parassiti sulle piante. Infatti, grazie all’analisi e all’utilizzo di diversi parametri, come la temperatura e l’intensità luminosa ricevuta dalle piante, è possibile addestrare degli algoritmi per avere un riconoscimento delle malattie.
In generale, l’implementazione di algoritmi predittivi permette di semplificare il monitoraggio dello stato di salute, contribuendo a migliorare la qualità finale del raccolto.
IoT in agricoltura: due casi d’uso reali
L’Internet of Things (IoT) Lab[5] dell’Università di Parma, è attivo in diversi progetti sulla tematica e collabora con diversi gruppi di ricerca nazionali ed internazionale.
I progetti Agritech e SMALLDERS
In particolare, Agritech[6], progetto PNRR orientato allo sviluppo tecnologico in agricoltura di precisione. L’obiettivo principale del progetto è quello di unire le competenze di ricerca per affrontare problemi associati all’agricoltura sostenibile, infatti, Agritech pone molta attenzione ad un progresso di produttività, di sostenibilità, di transizione ecologica e digitale nel settore agricolo.
Un’altra attività di interesse riguarda SMALLDERS[7]: un progetto internazionale, che ha l’obiettivo di sviluppare strategie, metodologie e tecnologie innovative per aumentare la resilienza di aziende di piccola scala, principalmente nell’area del Mediterraneo.
Di seguito saranno descritte alcune applicazioni svolte nell’ambito di questi progetti.
Ottimizzazione del consumo idrico: il testbed sul pomodoro a Parma
L’ottimizzazione del consumo idrico comporta quindi alcuni benefici per la coltura: consente infatti di ridurre gli sprechi di risorse e massimizzare la resa finale della coltivazione. È possibile installare sensori ed attuatori IoT in modo tale da monitorare lo stato della coltivazione in tempo reale e contemporaneamente gestirne l’irrigazione in modo accurato.
Una sperimentazione pratica su queste tematiche è stata condotta presso l’“Azienda Agricola Sperimentale Stuard”[8] di Parma, dove una rete di sensori e un sistema di monitoraggio hanno permesso di gestire una coltivazione di pomodoro, la verdura più coltivata al mondo.
In questo testbed, le piante di pomodoro sono state organizzate in modo tale da formare tre differenti linee, ognuna delle quali è stata irrigata secondo un regime idrico differente, sulla base del consiglio irriguo fornito dal framework Irriframe[9], un servizio Nazionale di supporto agli agricoltori, che fornisce un suggerimento sulle irrigazioni da eseguire su diverse culture.
Nella sperimentazione in oggetto la prima linea ha ricevuto il 100% di del volume irriguo consigliato da Irriframe; la seconda linea è stata irrigata con il 60%; mentre l’ultima con solamente il 30%, con l’obiettivo principale di raccogliere dati da dispositivi IoT e misurare gli effetti dello stress idrico sulla pianta. Utilizzando una rete LoRaWaN di sensori IoT, è stato possibile raccogliere i dati rilevanti per la crescita della pianta di pomodoro ed analizzarli tramite un sistema di elaborazione denominato “Agriware”. Al termine del test è emerso che è possibile risparmiare almeno il 40% di acqua durante una stagione: il regime idrico del 60% ha mostrato, a fine stagione, la più alta percentuale di produzione vendibile, senza rilevanti differenze in termini di resa vendibile e peso dei frutti, rispetto al regime idrico del 100%. Nella pratica, è stato quindi possibile risparmiare il 40% di acqua, pari a 823.70m3/ha in una intera stagione.
Questo studio, condotto dall’Università di Parma, ha dimostrato che l’utilizzo di sensori IoT può rilevarsi molto efficiente per quanto riguarda la gestione dell’irrigazione agricola e, in particolare, per l’ottimizzazione del consumo idrico. In questo modo è quindi possibile contenere il consumo di risorse importanti, come l’acqua in questo caso, mantenendo però una elevata quantità e qualità del raccolto finale.
La predizione del periodo di raccolta: i dati del luppolo a Modena
La predizione di valori agronomici è un’applicazione molto rilevante per l’agricoltura di precisione che può essere di supporto agli agricoltori. Come detto, è possibile utilizzare anche algoritmi di Machine Learning (ML) che, sulla base delle informazioni raccolte dai sensori IoT, possono produrre in output predizioni. Per ottenere le migliori prestazioni possibili da questi algoritmi è necessario avere uno storico di dati sufficientemente grande.
Ad esempio, un algoritmo di regressione multi-output è stato implementato dall’Università di Parma utilizzando i dati raccolti dal 2019 al 2023 da una centralina ambientale posizionata presso l’“Azienda Agricola Ludovica Lucchi” a Modena, in una coltivazione di luppolo. I dati sono stati forniti dal gruppo di ricerca Cro.P.S.[10] del Dipartimento di Scienze degli Alimenti e del Farmaco dell’Università di Parma. Questo algoritmo ha permesso di ottenere una predizione dei valori agronomici monitorati dalla centralina, come la temperatura dell’aria e l’umidità del suolo.
Gli algoritmi di ML possono essere utilizzati anche per ottenere informazioni riguardanti il migliore periodo di raccolta per una determinata coltura. Infatti, in una seconda fase i dati predetti sono stati classificati tramite un algoritmo Random Forest. Come risultato preliminare, è risultato che è possibile predire una finestra temporale valida per la raccolta e il momento di overmat dei coni stessi, con un anticipo di circa una settimana.
L’implementazione di algoritmi predittivi di ML permette di migliorare la gestione delle coltivazioni e le operazioni da svolgere, consentendo agli agricoltori di prendere decisioni in anticipo ed in modo preciso, ad esempio per la raccolta dei frutti.
Note
[1] R. Dagar et al., “Smart farming–IoT in agriculture,” 2018 IEEE International Conference on Inventive Research in Computing Applications (ICIRCA), 2018, pp. 1052–1056.
[2] LoRaWAN specification, https://lora-alliance.org/about-lorawan/.
[3] LoRa Alliance, https://lora-alliance.org/.
[4] M. R. M. Kassim, “IoT Applications in Smart Agriculture: Issues and Challenges,” in 2020 IEEE Conference on Open Systems (ICOS), Kota Kinabalu, Malaysia, 2020, pp. 19–24.
[5] IoTLab, Università di Parma: https://iotlab.unipr.it/
[6] Agritech Center, https://agritechcenter.it/it
[7] SMALLDERS project, https://smallders.com/it/.
[8] Azienda Agraria Sperimentale Stuard, Parma, Italia, https://www.stuard.it/.
[9] Irriframe framework, https://www.irriframe.it/Irriframe.
[10] Cro.P.S. Lab Università di Parma, https://crops.unipr.it/.
