Vai al contenuto
PenzaıHUMAN TECH
La mascotte Penzai con una cassetta di peperoncini appena raccolti
AgriAI OS · In sviluppo

Previsione della resa agricola con l'IA: l'agente AgriAI

L'agente Previsione di AgriAI stima quanto e quando raccoglierai e quanto costa ogni chilo, per organizzare manodopera, vendite e consegne.

Agente Previsione della produzione

Sai quanto raccogli, quando e quanto ti costa.

Cosa fa

  • Stima quantità e data del raccolto per ogni settore
  • Aggiorna la stima ogni giorno con clima e crescita
  • Calcola costi, acqua ed energia per ogni chilo
  • Aiuta a organizzare manodopera e raccolta
  • Prepara i dati per vendite, buyer e consegne
  • Confronta le stagioni per fare meglio la successiva

Come lavora, passo per passo

  1. Raccoglie storico delle rese, clima, crescita e i dati degli altri agenti
    Raccoglie storico delle rese, clima, crescita e i dati degli altri agenti
  2. Stima quantità e data del raccolto per ogni settore
    Stima quantità e data del raccolto per ogni settore
  3. Aggiorna la stima ogni giorno e calcola costi, acqua ed energia per chilo
    Aggiorna la stima ogni giorno e calcola costi, acqua ed energia per chilo
  4. Ti prepara il piano di raccolta e i dati per vendite e consegne
    Ti prepara il piano di raccolta e i dati per vendite e consegne

Approfondimento agronomico

La scienza dietro l'agente

Prevedere la resa significa trasformare la crescita della pianta in numeri: quanti frutti allegano, in quanto tempo maturano, quanto pesano. Non è una sfera di cristallo, è fisiologia applicata ai dati, e diventa più precisa ogni settimana che passa.

La pianta conta il calore

Lo sviluppo di una coltura dipende dal calore accumulato più che dai giorni di calendario. Si usano i gradi giorno: ogni giorno si somma quanto la temperatura media supera una soglia minima sotto cui la pianta quasi non cresce, che per il peperone è spesso posta intorno ai 10 °C. Dall'allegagione alla raccolta serve una certa somma di gradi giorno: se fa più caldo si arriva prima.

Dalla luce ai chili

La quantità finale dipende dalla luce intercettata dalle foglie e da come la pianta divide gli zuccheri tra foglie e frutti. Il peperone, in particolare, alterna periodi di forte allegagione a periodi in cui i fiori cadono, perché i frutti già presenti assorbono le risorse: una previsione seria deve tenere conto di queste ondate.

Come ragiona l'agente

L'agente unisce due approcci: un modello di crescita basato su gradi giorno e luce, che funziona anche con pochi dati, e un modello statistico che impara dalle stagioni della singola azienda. All'inizio pesa di più il primo, poi il secondo. Ogni settimana confronta la stima con il raccolto reale e si corregge, e mostra sempre un intervallo, non un numero solo.

I dati che servono e come raccoglierli

Si scelgono piante campione rappresentative e ogni settimana si contano fiori, frutti allegati e frutti in crescita, misurandone alcuni. Alla raccolta si pesa per settore e si registra la ripartizione per calibro e categoria commerciale, perché un chilo di prima categoria non vale un chilo di scarto. Sono pochi minuti a settimana che rendono la previsione dieci volte più utile.

Dalla fisiologia all'apprendimento automatico

I modelli di crescita descrivono la coltura con equazioni sulla luce intercettata, la fotosintesi e la ripartizione degli zuccheri: funzionano subito ma vanno tarati sulla varietà. I modelli statistici e di apprendimento automatico imparano dai dati della singola azienda, ma hanno bisogno di storia. Un approccio ibrido usa il primo come base e il secondo per correggerne gli errori sistematici.

Ogni modello si verifica «a ritroso»: si fa finta di essere a inizio stagione, si prevede con i dati di allora e si confronta con quello che è successo davvero. È il modo onesto di sapere quanto fidarsi di una previsione prima di usarla per firmare un contratto.

Dalla previsione alle decisioni

Una previsione serve se cambia una decisione: quante persone chiamare per la raccolta e quando, quanto prodotto impegnare con un buyer, come organizzare trasporti e catena del freddo. Unendo i dati degli altri agenti, l'agente calcola anche il costo di acqua, energia e concime per ogni chilo: il numero che dice dove l'azienda guadagna davvero.

I limiti da conoscere

Nessun modello prevede una grandinata, un guasto all'impianto o un'epidemia improvvisa. Il primo anno l'incertezza è più alta, perché il modello non conosce ancora l'azienda. Per questo l'agente mostra sempre un intervallo e lo aggiorna appena arrivano dati nuovi: una previsione che dichiara i suoi limiti è più utile di una che promette certezze.

I parametri che contano

ParametroRiferimentoPerché conta
Gradi giorno accumulatiSomma giornaliera sopra la soglia della coltura (per il peperone spesso ~10 °C)Stimano quando i frutti saranno maturi
Frutti allegati per piantaConteggio settimanale su piante campioneSono il raccolto delle prossime settimane
Peso medio del fruttoDalle pesate di raccolta, per varietàTrasforma il numero di frutti in chili
Luce accumulataSomma settimanale di radiazioneLimita quanti frutti la pianta riesce a portare a maturazione

Valori di riferimento della letteratura agronomica per orticole in serra fuori suolo: vanno sempre tarati su coltura, varietà, fase e clima locale.

I sensori che usa

Cosa misura ognuno, dove va installato e l'accorgimento che fa la differenza. «Base» serve per partire, «In più» aggiunge precisione. Vedi l'elenco completo di tutti gli agenti

  • Sonda di umidità del substratoBaseAcqua disponibile nel substrato o nel suolo (contenuto idrico volumetrico); molte sonde misurano anche EC e temperaturaNella lastra o nel suolo, all'altezza delle radici, su piante rappresentative di ogni settoreServono più sonde per settore: una sola misura descrive una pianta, non la serra.
  • Temperatura e umidità dell'aria (box ventilato)BaseTemperatura e umidità relativa; da queste si calcolano VPD e punto di rugiadaAll'altezza della vegetazione, in un box schermato e ventilato, almeno uno per compartimentoSenza schermo e ventilazione il sole falsa la lettura anche di alcuni gradi.
  • Sensore di CO₂ (infrarosso NDIR)BaseConcentrazione di anidride carbonica in ppmIn mezzo alla coltura, lontano da porte e bruciatoriVa verificato periodicamente con aria esterna o un gas di riferimento.
  • Sensore di luce PARBaseLuce utile alla fotosintesi in µmol/m²/s e il totale accumulato nella giornataSopra la coltura, in piano e senza ombreLa luce accumulata guida l'irrigazione, il dosaggio di CO₂ e la stima della crescita.
  • Stazione meteoBaseTemperatura, umidità, radiazione solare, vento e pioggia fuori dalla serraSopra o accanto alla serra, lontano da ostacoliVento e pioggia servono anche alla sicurezza: chiudere le finestre prima del temporale.
  • Previsioni meteoBaseTemperatura, radiazione e pioggia attese nei prossimi giorniServizio di dati online: non è un dispositivo da installarePermettono di anticipare invece di rincorrere, ad esempio riscaldare meno prima di una giornata di sole.
  • Telecamere fisse o su carrelloBaseImmagini delle piante per riconoscere sintomi e contare fiori e fruttiSu un carrello che scorre sui tubi del riscaldamento, o in punti fissiLe immagini riprese sempre dallo stesso punto e alla stessa ora sono le più confrontabili.
  • Foto e note dal campo (smartphone)BaseOsservazioni di chi lavora in serra: sintomi, conteggi dei frutti, fasi della colturaDall'app AgriAI, durante il giro in serraL'occhio di chi lavora in serra resta il sensore più prezioso: l'app lo trasforma in un dato.
  • Pesata del raccoltoBaseChili raccolti per settore e per giornoBilancia in serra o in magazzino, collegata alla piattaformaSenza il dato reale di raccolta la previsione non può imparare.
  • Bilancia per canalina (cella di carico)In piùPeso di substrato e piante: acqua consumata e traspirazione minuto per minutoSotto una canalina con piante rappresentativeÈ la misura più diretta del consumo d'acqua e mostra anche la crescita delle piante nel tempo.
  • Immagini satellitari (Sentinel-2)In piùIndici di vegetazione come l'NDVI, utili soprattutto in campo apertoDati gratuiti del programma europeo Copernicus, aggiornati ogni pochi giorni quando il cielo è serenoNon vedono dentro la serra; in campo aperto mostrano dove la coltura cresce meno.
  • Dendrometro (sensore del fusto)In piùVariazioni del diametro del fusto nell'arco della giornataSul fusto di alcune piante di riferimentoIl fusto si restringe di giorno e si gonfia di notte; se non recupera, la pianta ha sete.

Gli errori più comuni

  • Prevedere sui giorni di calendario invece che sul calore accumulato
  • Fidarsi di un numero unico senza un margine di errore
  • Non pesare il raccolto per settore: senza dati reali il modello non impara
  • Ignorare le ondate di allegagione tipiche del peperone
Una previsione utile nasce da fisiologia e dati misurati, mostra sempre la sua incertezza e migliora con le stagioni. È così che diventa uno strumento per vendere e organizzare il lavoro, non una promessa.

Domande frequenti

25 domande, due risposte ciascuna: quella dell'agronomo e quella dello sviluppatore. Quando citiamo un autore, il link porta all'opera originale.

Come stima quanto produrrò?

Risponde l'agronomo

La produzione dipende soprattutto dalla luce intercettata e dall'efficienza con cui la pianta la trasforma in biomassa, come mostrò John Monteith. Poi conta quanta di quella biomassa va ai frutti.

John L. Monteith, Climate and the efficiency of crop production in Britain, Philosophical Transactions of the Royal Society B, 1977

Risponde lo sviluppatore

Usiamo un modello ibrido: una parte fisica che segue la fisiologia e una parte appresa dai dati che corregge gli scarti fra previsto e reale. Così il modello resta sensato anche con pochi dati.

Cos'è un modello colturale?

Risponde l'agronomo

È una descrizione matematica di come la pianta cresce: fotosintesi, respirazione, ripartizione fra foglie, fusto e frutti. La scuola di Wageningen, con C. T. de Wit e Jan Goudriaan, ne ha posto le basi.

Jan Goudriaan, H. H. van Laar, Modelling Potential Crop Growth Processes, Kluwer, 1994

Risponde lo sviluppatore

Per noi è codice con parametri, sotto controllo di versione: ogni modifica a un parametro ha autore, data e motivo, e si può sempre tornare indietro e rifare una previsione passata.

Martin Kleppmann, Designing Data-Intensive Applications, O'Reilly, 2017
Perché contare i frutti con le telecamere?

Risponde l'agronomo

I frutti allegati oggi sono il raccolto delle prossime settimane. Contarli per fase di maturazione dà la previsione più diretta, ed è il metodo seguito da studi recenti sul peperone in serra commerciale.

Risponde lo sviluppatore

Un modello di riconoscimento degli oggetti, della famiglia YOLO, trova i frutti in ogni immagine; un algoritmo di tracciamento evita di contare due volte lo stesso frutto visto da angolazioni diverse.

Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi, You Only Look Once: Unified, Real-Time Object Detection, CVPR, 2016
Cosa sono i gradi giorno?

Risponde l'agronomo

Lo sviluppo del frutto dipende dalla temperatura accumulata sopra una soglia minima, per il peperone intorno ai 10 °C. Sommando i gradi giorno si stima quando il frutto sarà maturo.

Leo Marcelis, Ep Heuvelink, Jan Goudriaan, Modelling biomass production and yield of horticultural crops: a review, Scientia Horticulturae, 1998

Risponde lo sviluppatore

L'agente somma i gradi giorno già misurati con quelli previsti dal meteo e proietta la data di raccolta di ogni gruppo di frutti. Se le previsioni cambiano, la data si aggiorna da sola.

Quanto è precisa la previsione?

Risponde l'agronomo

Migliora con i dati: il primo anno è meno precisa, poi impara dalle stagioni dell'azienda. Per pianificare il lavoro basta spesso sapere la tendenza settimana per settimana.

Risponde lo sviluppatore

La precisione si misura con l'errore percentuale medio sulle previsioni passate, come insegnano Hyndman e Athanasopoulos. Pubblicheremo quella misurata al Farm Tech, non una stima a tavolino.

Rob J. Hyndman, George Athanasopoulos, Forecasting: Principles and Practice, OTexts, 3rd ed., 2021
Perché un intervallo e non un numero preciso?

Risponde l'agronomo

Per organizzare manodopera e consegne serve sapere il caso peggiore e quello migliore, non solo la media. Un numero secco dà una falsa sicurezza.

Risponde lo sviluppatore

La previsione è probabilistica: un valore centrale e un intervallo con la sua probabilità. Per stimare l'incertezza usiamo insiemi di modelli, una tecnica studiata anche in DeepMind.

Balaji Lakshminarayanan, Alexander Pritzel, Charles Blundell (DeepMind), Simple and Scalable Predictive Uncertainty Estimation using Deep Ensembles, NeurIPS, 2017
Cos'è la verifica a ritroso (backtest)?

Risponde l'agronomo

È come chiedere al modello: se fossi stato qui l'anno scorso, cosa avresti previsto? E poi confrontare con quanto è stato davvero raccolto.

Risponde lo sviluppatore

Si rifanno le previsioni sul passato usando solo i dati disponibili in quel momento, mai quelli successivi. È la validazione incrociata per serie temporali descritta da Hyndman e Athanasopoulos.

Rob J. Hyndman, George Athanasopoulos, Forecasting: Principles and Practice, OTexts, 3rd ed., 2021
Meglio modelli fisici o apprendimento automatico?

Risponde l'agronomo

I modelli fisici contengono decenni di conoscenza sulla fisiologia: la rassegna di Marcelis, Heuvelink e Goudriaan mostra quanto siano maturi per le colture orticole.

Leo Marcelis, Ep Heuvelink, Jan Goudriaan, Modelling biomass production and yield of horticultural crops: a review, Scientia Horticulturae, 1998

Risponde lo sviluppatore

Richard Sutton, in "The Bitter Lesson", osserva che a lungo andare vincono i metodi generali che crescono con i dati. Ma una singola azienda ha pochi dati: per questo uniamo struttura fisica e apprendimento.

Richard S. Sutton, The Bitter Lesson, 2019
Usate reti neurali per le serie temporali?

Risponde l'agronomo

Per l'agronomo conta che la previsione segua l'andamento della coltura e reagisca a eventi come un'ondata di calore o una potatura.

Risponde lo sviluppatore

Dove ci sono abbastanza dati, sì: reti come le LSTM di Hochreiter e Schmidhuber ricordano cosa è successo settimane prima, utile per una coltura che risponde in ritardo al clima. Ma vengono sempre confrontate con modelli più semplici.

Sepp Hochreiter, Jürgen Schmidhuber, Long Short-Term Memory, Neural Computation, 1997
Funziona anche il primo anno, senza storico?

Risponde l'agronomo

Sì, partendo dai parametri della letteratura per la coltura e la varietà. I manuali di riferimento, come quello curato da Ep Heuvelink sul pomodoro, riportano valori di partenza solidi.

Ep Heuvelink (ed.), Tomatoes, CABI, 2018

Risponde lo sviluppatore

Il primo anno il peso della parte fisica è alto e quello della parte appresa basso; con i dati raccolti l'equilibrio si sposta. L'incertezza dichiarata è più ampia all'inizio, ed è giusto così.

Usa i dati degli altri agenti?

Risponde l'agronomo

Sì, perché clima, irrigazione e salute delle piante spiegano gran parte delle variazioni di resa. Una settimana fredda o un attacco di tripidi si vedono nel raccolto settimane dopo.

Risponde lo sviluppatore

Gli agenti condividono i dati attraverso una piattaforma a eventi: ognuno pubblica ciò che misura e decide, e la previsione li legge. È l'architettura descritta da Martin Kleppmann per i sistemi ad alta intensità di dati.

Martin Kleppmann, Designing Data-Intensive Applications, O'Reilly, 2017
A chi serve la previsione?

Risponde l'agronomo

A chi organizza la raccolta e la manodopera, a chi vende e a chi gestisce imballaggi e trasporti. Sapere la produzione due settimane prima cambia il modo di lavorare.

Risponde lo sviluppatore

La previsione si esporta verso il gestionale e, se vuoi, verso i clienti tramite un'interfaccia standard. Decidi tu cosa condividere e con chi.

Prevede anche il calibro dei frutti?

Risponde l'agronomo

Il calibro dipende dal carico di frutti sulla pianta e dalla luce disponibile: con troppi frutti ognuno resta più piccolo. È un equilibrio che i manuali di orticoltura descrivono bene.

Ep Heuvelink (ed.), Tomatoes, CABI, 2018

Risponde lo sviluppatore

Dalle immagini si stima la dimensione di ogni frutto e quindi la distribuzione dei calibri. Questo aiuta a prevedere non solo i chili, ma quanti andranno in ogni categoria commerciale.

Cosa succede con un'ondata di calore?

Risponde l'agronomo

Con temperature molto alte il peperone può perdere fiori e frutticini, e il calo si vede nel raccolto settimane dopo. Le alte temperature riducono anche la qualità del polline.

Hamlyn G. Jones, Plants and Microclimate, Cambridge University Press, 2013

Risponde lo sviluppatore

L'agente simula più scenari: con e senza ondata di calore, con diverse intensità. Così vedi in anticipo quanto potrebbe calare la produzione e puoi avvisare i clienti per tempo.

Dove sbaglia più spesso?

Risponde l'agronomo

Quando succede qualcosa che i dati non registrano: una malattia non segnalata, una potatura diversa dal solito, un cambio di varietà.

Risponde lo sviluppatore

È lo spostamento dei dati: il mondo cambia e il modello non lo sa. Sculley e colleghi lo indicano come uno dei costi nascosti dell'apprendimento automatico; noi lo monitoriamo e segnaliamo quando le condizioni escono da quelle note.

D. Sculley et al. (Google), Hidden Technical Debt in Machine Learning Systems, NeurIPS, 2015
Perché pesare il raccolto è indispensabile?

Risponde l'agronomo

Il peso reale raccolto per settore è la verità con cui si misura tutto il resto. Senza, non si sa nemmeno se la previsione era giusta.

Risponde lo sviluppatore

Nell'apprendimento supervisionato il modello impara confrontando previsione e risultato vero. Senza il dato di raccolta, come spiegano Goodfellow, Bengio e Courville, non c'è nulla da cui imparare.

Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning, MIT Press, 2016
Ogni quanto si aggiorna?

Risponde l'agronomo

Per pianificare raccolta e vendite basta un aggiornamento settimanale; nelle settimane di picco conviene seguirla ogni giorno.

Risponde lo sviluppatore

Il calcolo gira ogni giorno con i nuovi dati di clima, immagini e raccolto. Ogni versione della previsione resta salvata, così si vede come è cambiata e perché.

Prevede anche i prezzi di mercato?

Risponde l'agronomo

No. I prezzi dipendono da fattori fuori dal controllo dell'azienda; sapere bene quanto e quando produrrai è già un vantaggio forte nelle trattative.

Risponde lo sviluppatore

È un limite di progetto voluto: un modello che promette troppo perde credibilità. Ci concentriamo su ciò che possiamo misurare e verificare in serra.

George E. P. Box, Science and Statistics, Journal of the American Statistical Association, 1976
E in campo aperto?

Risponde l'agronomo

In campo pesano di più meteo e suolo, e la variabilità fra appezzamenti è maggiore. Gli indici di vegetazione da satellite aiutano a vedere dove la coltura cresce meno.

Risponde lo sviluppatore

Usiamo le immagini gratuite Sentinel-2 del programma europeo Copernicus, con risoluzione fino a 10 metri, unite ai dati meteo e alle pesate. Le nuvole creano buchi nei dati, che il modello deve saper gestire.

Posso fidarmi di una previsione che non capisco?

Risponde l'agronomo

No, e non dovresti. Una buona previsione si spiega con fatti agronomici: frutti allegati, luce prevista, temperatura.

Risponde lo sviluppatore

Ogni previsione mostra quali fattori l'hanno spostata in su o in giù. Cynthia Rudin sostiene che, quando le decisioni contano, i modelli interpretabili vanno preferiti alle scatole nere: è la nostra regola.

Cynthia Rudin, Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead, Nature Machine Intelligence, 2019
Cosa sono i limiti dichiarati?

Risponde l'agronomo

Sono le condizioni in cui la previsione non è affidabile: varietà nuove, eventi estremi, dati mancanti. Saperlo prima evita decisioni sbagliate.

Risponde lo sviluppatore

Ogni previsione porta con sé le avvertenze del caso. Come scriveva George Box, tutti i modelli sono approssimazioni: dichiarare dove il nostro sbaglia è parte del metodo scientifico.

George E. P. Box, Science and Statistics, Journal of the American Statistical Association, 1976
Esiste un gemello digitale della coltura?

Risponde l'agronomo

Sì: un modello che simula la pianta giorno per giorno. Nelle prove di Wageningen sulla serra autonoma, simulazioni di questo tipo hanno aiutato le squadre a decidere la strategia di coltivazione.

Silke Hemming et al. (Wageningen), Remote Control of Greenhouse Vegetable Production with Artificial Intelligence, Sensors, 2019

Risponde lo sviluppatore

Il gemello si aggiorna con le misure reali per non allontanarsi dalla serra, con tecniche di stima come il filtro di Kalman. Così si possono provare decisioni sul modello prima di applicarle alle piante.

Rudolf E. Kálmán, A New Approach to Linear Filtering and Prediction Problems, Journal of Basic Engineering, 1960
E i frutti nascosti dalle foglie?

Risponde l'agronomo

Una parte dei frutti non si vede mai da una sola angolazione. I conteggi manuali su piante campione restano il riferimento per correggere.

Risponde lo sviluppatore

Il modello impara un fattore di correzione confrontando i frutti visti dalla telecamera con i conteggi manuali sulle stesse piante. Il fattore viene ricalcolato quando cambia la fase della coltura.

Quanto vale economicamente una buona previsione?

Risponde l'agronomo

Riduce le ore di manodopera sprecate, il prodotto invenduto e le penali per consegne mancate. Il valore dipende dall'azienda e dai suoi contratti.

Risponde lo sviluppatore

Non diamo cifre promesse: misuriamo con l'azienda pilota ore di lavoro pianificate e reali, prodotto non venduto e consegne puntuali, prima e dopo l'uso dell'agente.

Si integra con i sistemi dei miei clienti?

Risponde l'agronomo

Le grandi catene chiedono previsioni di fornitura sempre più precise. Darle in modo affidabile rafforza il rapporto commerciale.

Risponde lo sviluppatore

Esportiamo in formati standard e tramite API documentate; i dati condivisi sono solo quelli che autorizzi tu, con accessi tracciati.

European Union, General Data Protection Regulation (EU) 2016/679, EUR-Lex

Diventa azienda pilota

Check-up digitale gratuito: guardiamo impianti, consumi e problemi e ti diciamo se e dove AgriAI può aiutare.

Candido la mia azienda come pilota / Ho un terreno da recuperare / Sono agronomo: entro nel gruppo scientifico