Dai processori di visione artificiale per distinguere in millisecondi le colture dalle infestanti, fino ai sistemi di controllo che attivano in microsecondi i laser per l’abbattimento di precisione millimetrica: ecco come l’elettronica embedded sta trasformando le macchine e attrezzature agricole in sistemi intelligenti e adattivi
 |
| (Credit: James Baltz) |
Leggi l'articolo completo su elettronicanews
Il sempre più profondo connubio tra elettronica, Internet of Things (IoT), sensori embedded avanzati, intelligenza artificiale (AI), edge AI dà vita allo smart farming, e fa dell’agricoltura intelligente un’inedita opportunità per migliorare le tradizionali tecniche agricole. In agronomia le lavorazioni del terreno hanno l’obiettivo di preparare il suolo, mettendolo nelle condizioni fisiche, chimiche, biologiche e idriche ottimali per la germinazione del seme, lo sviluppo dell’apparato radicale e la crescita della coltura. Si tratta di pratiche diffuse e consolidate, che però, quando attuate in maniera intensiva, possono provocare danni al terreno. Oggi, le tecniche di lavorazione sono ancora in gran parte basate su metodologie convenzionali, che rischiano di degradare la struttura biologica del suolo.
Per questa ragione, la tendenza attuale nel settore è passare a un nuovo paradigma, che adotta principi e tecniche di agricoltura conservativa. La lavorazione conservativa punta a raggiungere il massimo risultato in termini di germinazione e radicamento, causando al suolo il minimo disturbo meccanico, tramite tecniche di riduzione delle lavorazioni (minimum tillage).
Come indicano le «linee guida» pubblicate da Ersaf, l’Ente regionale per i servizi all’agricoltura e alle foreste, le tradizionali tecniche di preparazione dei terreni per le semine, che includono l’aratura e ulteriori, successive lavorazioni complementari di affinamento, eseguite utilizzando erpici, coltivatori e altre macchine operatrici, disturbano fortemente l’attività biologica del suolo. Ad esempio, l’aratura comporta il rivoltamento del terreno, di norma, fino a 30-40 centimentri di profondità. Queste lavorazioni classiche risultano inoltre dispendiose a livello economico ed energetico, sia a causa dell’elevato numero e costo delle macchine agricole richieste per eseguirle, sia per gli alti consumi di combustibile, che, aumentando le emissioni di gas climalteranti, accrescono l’impatto ambientale.
L’agricoltura conservativa, attraverso la riduzione delle lavorazioni, consiste nel limitare il più possibile il disturbo del suolo, favorendo l’incorporazione della sostanza organica, e migliorandone qualità, quantità e distribuzione. Ed è precisamente a questo livello che la sinergia tra tecnologia elettronica avanzata, algoritmi di apprendimento automatico (machine learning – ML) e dati real-time può fornire un fondamentale contributo nel rendere più efficiente e sostenibile la lavorazione e la fertilizzazione del terreno.