Soilless Growing Systems all’interno di serre, noti come agricoltura ambientale controllata, promettono di far avanzare la produzione tutto l’anno di colture speciali di alta qualità, secondo un gruppo di ricerca interdisciplinare di Penn State. Ma per essere competitivi e sostenibili, questo metodo agricola avanzato richiederà lo sviluppo e l’implementazione di tecniche agricole di precisione. Per soddisfare tale domanda, il team ha sviluppato un sistema automatizzato di monitoraggio delle colture in grado di fornire dati continui e frequenti sulla crescita e sulle esigenze delle piante, consentendo una gestione delle colture informata.
“Tradizionalmente, il monitoraggio delle colture in ambientazione controllata l’agricoltura Systems è un compito critico che richiede tempo che richiede personale specializzato”, ha affermato il team Lead Long, professore associato di ingegneria agricola e biologica. “E i metodi tradizionali di monitoraggio delle colture non consentono una frequente raccolta di dati di acquisire dinamiche di crescita delle piante durante il ciclo delle colture. I sistemi automatizzati di monitoraggio delle colture consentono il monitoraggio continuo delle piante con frequente raccolta di dati e una gestione più efficiente e informata della coltura.”
Nei risultati pubblicati in Computer ed elettronica in agricolturaI ricercatori hanno riferito che un “Internet of Things” integrato, l’intelligenza artificiale (AI) e un sistema di visione artificiale su misura per l’agricoltura controllata, Soilless Growing Systems, consentendo il monitoraggio continuo e l’analisi della crescita delle piante durante il ciclo delle colture. Un’Internet of Things – spesso indicata come IoT – è una rete di oggetti fisici in grado di connettere e scambiare dati su Internet, collegando i dispositivi che sono incorporati con sensori, software e altre tecnologie.
Secondo il team, l’innovazione principale della loro ricerca è l’implementazione – per la prima volta – di un modello di segmentazione delle immagini ricorsiva che elabora immagini sequenziali, catturate in alta risoluzione a intervalli di tempo predeterminati, per tenere traccia dei cambiamenti accuratamente nella crescita delle piante. Nello studio, i ricercatori hanno testato il loro approccio monitorando Baby Bok Choy, una verdura a foglia comunemente chiamata cavolo cinese, ma i ricercatori hanno affermato che avrebbe funzionato con molte colture diverse.
È un gruppo di ricerca presso il College of Agricultural Sciences, situato presso il Centro di ricerca e estensione della frutta di Penn State a Biglerville, si è concentrato sull’agricoltura automatizzata, di precisione per più di un decennio, escogitando soluzioni robotiche per applicazioni agricole come la raccolta delle colture, la potatura degli alberi, il diradamento dei frutti verdi, l’impollinazione, il riscaldamento degli orchi, il riscaldamento dei pesticamenti e l’irrigazione. Il sistema di visione artificiale utilizzata in questa ricerca è un progresso della tecnologia che il gruppo ha sviluppato per altri scopi in studi precedenti.
In questo studio, il sistema di visione artificiale integrata ha isolato con successo le singole piante da bambino Bok Choy che crescono in un sistema Soilless, producendo immagini frequenti che hanno tracciato un’area di copertura delle foglie aumentata durante il loro ciclo di crescita. I ricercatori hanno affermato che il modello ricorsivo ha mantenuto “prestazioni robuste”, fornendo informazioni accurate durante il ciclo di crescita delle colture.
Ha accreditato Chenchen Kang, uno studioso post-dottorato nel suo laboratorio e il primo autore nello studio, per aver fornito l’innovazione e il duro lavoro necessari per “insegnare” il sistema di visione artificiale a tracciare la crescita delle piante.
“Chenchen ha installato i sensori, raccolto ed elaborato i dati, sviluppato la metodologia e ha svolto il lavoro di codifica e programmazione con i modelli AI”, ha affermato.
La ricerca è stata un progetto interdisciplinare tra ingegneri agricoli e scienziati vegetali, e fa parte di un progetto federale più ampio intitolato “Avanzando la sostenibilità dei sistemi agricoli urbani interni”. Francesco di Gioia, professore associato di scienza delle colture di verdure e investigatore principale nel progetto generale, ha sottolineato l’importanza di integrare diverse competenze per lo sviluppo di soluzioni agricole di precisione. L’approccio interdisciplinare, ha suggerito, sarà sempre più critico per far avanzare l’efficienza e la sostenibilità a lungo termine degli attuali sistemi agricoli ambientali controllati.
“La capacità di monitorare e raccogliere automaticamente i dati sullo stato delle colture, stimare la crescita delle piante e i requisiti delle colture insieme al monitoraggio della soluzione nutrizionale e dei fattori ambientali – radiazioni, temperatura e umidità relativa – combinate con l’uso di tecnologie IoT e AI, rivoluzionerà il modo in cui gestiamo le colture”, ha detto Di Gioia. “Ridurre al minimo le inefficienze e il miglioramento della competitività dei sistemi agricoli ambientali controllati migliorerà la nostra sicurezza alimentare e nutrizionale.”
In futuro, ha aggiunto Di Gioia, l’integrazione delle tecnologie agricole di precisione in ambienti controllati agricoli può anche offrire l’opportunità di migliorare la qualità delle colture speciali e persino adattare il loro profilo nutrizionale.
Xinyang Mu, che si è laureato in ingegneria agricola e biologica presso la Penn State e attualmente è uno studioso post -dottorato presso la Michigan State University, e Aline Novaski Seffrin, dottorato in scienze delle piante, ha contribuito allo studio.
Il Dipartimento dell’Agricoltura della Pennsylvania e il National Institute of Food and Agriculture del Dipartimento dell’Agricoltura degli Stati Uniti hanno finanziato questo lavoro.
Da un’altra testata giornalistica. news de www.sciencedaily.com
