IA in agricoltura: il progetto pilota di Farmable dimostra che i dati migliorano l’attività
La mission di Farmable è semplificare la gestione delle aziende agricole in tutto il mondo. Ecco perché di recente abbiamo avviato un progetto pilota di applicazione dell’intelligenza artificiale (IA) coinvolgendo alcuni dei nostri utenti più attivi, agricoltori dalla Norvegia all’Inghilterra, che usano i nostri strumenti nei loro campi. L’obiettivo? Verificare se l’IA può integrarsi nelle operazioni giornaliere di un’azienda agricola senza aggiungere complessità. I risultati dimostrano che i vantaggi offerti dall’IA sono direttamente proporzionali alla qualità dei dati che vengono forniti. Continua a leggere per scoprire nel dettaglio i risultati e i passaggi necessari per aumentare la produttività della tua azienda agricola grazie alle note di campo generate dall’IA di Farmable.
Il progetto pilota: integrazione dell'IA in aziende agricole reali
Il progetto pilota prevedeva il lancio di una nuova funzione: le note di campo generate dell’IA. Gli agricoltori potevano scattare una foto o scrivere un’osservazione rapida e la nostra IA avrebbe analizzato queste informazioni per identificare le varietà della coltura, rilevare parassiti e malattie o stimare la resa. La procedura era semplice: carichi un’immagine, ottieni una risposta. Ma la qualità della risposta? Dipende totalmente dai dati forniti al sistema.
Farmable è in grado di recuperare in modo automatico i metadati di un campo (tipo di cultura, storico delle semine, presenza di parassiti in passato, trattamenti e raccolti) e fornirli per l’analisi da parte dell’IA. Non si tratta di uno strumento accessorio, ma di una soluzione strategica per trasformare un consiglio generico in una risposta specifica e pratica. Vediamo più da vicino alcuni casi di applicazione sul campo.
Caso 1: trasformazione di una foto in un piano d'azione
Immagina di gestire un meleto di 2,84 ettari in Norvegia, un campo che nel 2023 ha toccato la resa record di 113.220 kg. Noti che alcune foglie hanno un aspetto strano, quindi scatti una foto e la carichi come nota di campo. Senza contesto, l’IA potrebbe dare una risposta del tipo “Possibile danno da parassiti. Monitora la presenza di afidi.” Utile, ma solo fino a un certo punto.
Aggiungi allora informazioni storiche del campo: carenza di magnesio nel 2024, casi di ticchiolatura e un trattamento con 30 kg di fertilizzante in primavera. La risposta dell’IA cambia: “Alla luce dei casi di ticchiolatura e carenza di magnesio, queste foglie ingiallite potrebbero indicare stress nutrizionale. Prova ad applicare solfato di magnesio dopo il raccolto e monitora la ticchiolatura con Rimpro”. Un piano d’azione su misura per il tuo frutteto, non una risposta da manuale di agronomia.
Caso 2: dati approfonditi grazie a campioni di suolo
Un agricoltore coinvolto nel progetto pilota ci ha spiazzati: invece della foto di una pianta, ha caricato un report su un campione di suolo. Immagina un’analisi eseguita dai Lancrop Laboratories per un pereto in Inghilterra in cui vengono dettagliati pH e livelli di fosforo e calcio. Pensavamo che l’IA avrebbe avuto difficoltà, e invece no: ha abbinato il campione al campo corretto, analizzato il suolo rispetto alle necessità della coltura di pere ed eseguito un controllo incrociato con i dati storici sulle malattie passate. Il risultato? “La quantità di calcio è adeguata, ma quella di magnesio è al limite della sufficienza. Adegua l’apporto per aumentare la resistenza alle malattie.”
Ciò dimostra che i dati sul suolo non sono solo lo spaccato di un frutteto, ma informazioni fondamentali. Abbinati ai registri dei trattamenti, come i 10 kg di fertilizzante Multi-K+Mg applicati durante l’estate, permettono all’IA di determinare con precisione il modo in cui lo stato di salute del suolo influirà sull’esito della cultura.
Caso 3: elaborazione di conclusioni con l'indice NDVI
In seguito, abbiamo aggiunto le immagini satellitari NDVI. L’acronimo sta per “indice di vegetazione a differenza normalizzata”, un valore che consente di monitorare lo stato di salute della vegetazione nell’arco del tempo. Nel caso del meleto, l’indice NVDI indicava una crescita non omogenea. L’IA ha abbinato questi dati ai lavori di fertilizzazione registrati e alle note sui parassiti (ticchiolatura e afidi) e ha suggerito: “Potare per migliorare la penetrazione della luce e ridurre il rischio di ticchiolatura. Le zone scure potrebbero aver bisogno di 10 kg extra di fertilizzante Naraber”. Grazie all’indice NDVI, l’IA non valuta solo lo stato attuale, ma correla azioni passate ai risultati correnti.
Come usare le note di campo generate dall'IA in Farmable: una guida dettagliata
Vuoi provare questa funzione con la tua azienda agricola? Ecco come creare e salvare note di campo generate dell’IA in Farmable in pochi passaggi:
- Apri l’app e crea una nuova nota
Tocca il pulsante “+” e seleziona “Nota di campo”. Potrai inserire un’osservazione rapida, ad esempio “Rilevate foglie ingiallite” oppure caricare una foto della coltura o dei dati su un campione di suolo. - Aggiungi dettagli e carica una foto
Puoi caricare un’immagine usando la fotocamera dello smartphone direttamente nell’app oppure selezionando un’immagine dalla galleria. Ad esempio, puoi fotografare uno dei tuoi alberi oppure un report sul suolo del campo. Se vuoi, aggiungi una breve nota, ad esempio “Verifica ticchiolatura”. - Avvia l’analisi da parte dell’IA
Tocca “Chiedi all’IA” per avviare l’analisi. L’IA sfrutterà la foto o il testo, eseguirà un controllo incrociato con lo storico del campo (ad esempio, un lavoro di irrorazione completato la settimana precedente) e genererà una risposta con avvisi su parassiti o consigli sui nutrienti. - Salva e condividi
La nota generata dall’IA viene salvata nel registro del campo e sarà accessibile in qualsiasi momento dalla scheda “Note”. Se avessi bisogno di condividerla con un agronomo o un ente di controllo, puoi esportarla in formato PDF oppure inviare un link tramite la nostra API.
Niente di più semplice. L’app si occupa del lavoro meccanico, combinando le informazioni che fornisci con dati storici, statistiche sul suolo e indice NDVI, mentre tu ricevi consigli senza problemi.
Morale del progetto pilota: i dati sono tutto
Il nostro progetto pilota ha identificato tre categorie di dati fondamentali per l’integrazione efficace dell’IA nella gestione delle aziende agricole:
- Dati storici sul campo: raccolti, infezioni da parassiti e lavori forniscono contesto.
- Campioni di suolo: uniscono tutti i puntini, come nel caso dei nutrienti del pereto che abbiamo analizzato.
- Immagini NDVI: consentono di monitorare i progressi e abbinare cause ed effetti nel tempo.
Basta che manchi una categoria perché i risultati offerti dall’IA siano vaghi. Fornisci tutti questi dati per ottenere un piano d’azione preciso e personalizzato.
Vantaggi per le aziende agricole
Non si tratta di sostituire le tue competenze, semmai di amplificarle. Prendiamo il caso del meleto: la resa del 2023 è stata eccezionale, ma l’indice NDVI del 2024 indicava zone interessate da stress nutrizionale. Grazie all’IA, l’azienda agricola può adattare la pianificazione della prossima stagione, ad esempio aumentare l’apporto di potassio per superare le 1200 cassette. Si tratta di profitto, non solo di dati.
Partecipa al futuro dell'agricoltura
Questo è solo l’inizio. Il nostro progetto pilota sull’IA continuerà a evolversi e invitiamo agricoltori come te a indicarci la direzione. Vuoi testare le note di campo generate dall’IA? Registrati per una dimostrazione oppure partecipa alla prossima fase del nostro progetto pilota. I tuoi dati ci aiuteranno a crescere, insieme.
