Il monitoraggio delle colture sta evolvendo, superando la sola osservazione di suolo, meteo e immagini satellitari. L'attenzione si sposta ora sull'intercettazione dei segnali diretti dalle piante. Questo è il fulcro dell'AI agricola, un approccio che integra sensori, modelli di intelligenza artificiale, biologia vegetale e sistemi decisionali per convertire lo stress delle piante in dati operativi. L'obiettivo è semplice nella sua formulazione ma complesso nella realizzazione: identificare precocemente le esigenze di una coltura in termini di acqua, nutrienti, luce o protezione da malattie e parassiti.
Electric Plant: decifrare i segnali elettrici delle piante
La startup Electric Plant si concentra su un approccio innovativo, basato sui segnali elettrici interni delle piante. L'azienda, fondata da Justin Mast e Lee von Kraus, ha sviluppato sensori specifici da applicare a fusti o tronchi, in grado di rilevare le variazioni elettriche nei tessuti vegetali. Questi dati vengono trasmessi a una base station, poi trasferiti nel cloud e infine interpretati da Bombadil, un modello di intelligenza artificiale addestrato per riconoscere schemi associati ai bisogni specifici della pianta.
L'aspetto cruciale di questa tecnologia non risiede solo nell'hardware, ma nella capacità di leggere informazioni quasi in tempo reale, a differenza dei sistemi tradizionali che spesso le stimano indirettamente.
Mentre sonde nel terreno, spettroscopia portatile e immagini satellitari sono strumenti validi, tendono a descrivere condizioni esterne o effetti già manifesti. Electric Plant mira ad avvicinare l'analisi al linguaggio fisiologico della pianta, proponendo sensori a basso costo e un modello adattabile a diverse specie, dalle colture agricole agli alberi.
L'AI agricola per decisioni in tempo reale
Un seed round da 11,2 milioni di dollari, guidato da Onto Ventures e Climactic, evidenzia il forte interesse del venture capital per un settore in cui l'AI agricola e le climate tech si incontrano. Se il sistema si dimostrerà efficace su larga scala, gli agricoltori potranno beneficiare di indicazioni più accurate per irrigazione e fertilizzazione, ottimizzando le risorse e riducendo gli sprechi e gli interventi preventivi generalizzati.
In un contesto agricolo sempre più esposto a siccità, aumento dei costi energetici e volatilità climatica, la granularità dei dati può rappresentare un significativo vantaggio competitivo.
Tuttavia, una sfida cruciale rimane la traduzione dei segnali biologici in decisioni operative affidabili. Un modello di intelligenza artificiale è in grado di identificare correlazioni, ma l'agricoltura è influenzata anche da fattori come la varietà della coltura, il microclima, la fase di crescita, le pratiche agronomiche e gli obiettivi di produzione. L'adozione di queste tecnologie dipenderà quindi non solo dalla loro precisione tecnica, ma anche dalla loro capacità di integrarsi nei flussi di lavoro degli agricoltori e di fornire raccomandazioni comprensibili, verificabili e ripetibili.
Colture che segnalano lo stress: l'approccio complementare
Un approccio complementare si concentra sull'utilizzo di editing genetico e sensori per permettere alle colture di segnalare autonomamente situazioni di stress.
