Una nuova frontiera dell’Agricoltura 4.0 e del Precision farming viene raggiunta con il progetto ResOILent, che fa parte dell’Horizon 2020 Gen4Olive.
L’obiettivo di Gen4Olive è ottimizzare l’utilizzo delle risorse genetiche dell’olivo e valorizzarne le attività di pre-breeding. L’olivicoltore o il tecnico potrà individuare più facilmente alcune caratteristiche della coltura tra cui:
- la resistenza a parassiti e malattie
- la produttività della pianta
- la resistenza ai cambiamenti climatici.
L’obiettivo di ResOILent
Resoilent è un progetto biennale finanziato da Gen4Olive e coordinato da Agricolus, che vede anche la partecipazione dell’azienda spagnola BrioAgro Technologies.
Vista l’importanza della produzione e del consumo di olio di oliva e di olive da tavola nell’areale del Mediterraneo, l’obiettivo di ResOILent è quello di migliorare il processo di selezione delle cultivar di olivo, promuovendo la creazione di varietà tolleranti alla siccità e più adatte alle diverse aree geografiche.
Il progetto si concentra sull’acquisizione dei dati e sull’identificazione di alcune caratteristiche tipiche dell’olivo, riducendo così tempi e costi del processo di breeding. Ciò è possibile attraverso lo sviluppo di algoritmi di intelligenza artificiale in grado di identificare differenze nel fenotipo delle varietà di olivo attraverso smartphone.
Prima Fase
Nel primo semestre lo scopo è stato quello di “insegnare” al modello a riconoscere la caratteristica scelta, nel nostro caso le foglie, presenti all’interno di una fotografia.
Questa è la fase più complessa del processo, anche in termini di tempistiche, poiché per ottenere buoni risultati è necessario avere molti dati iniziali.
Per comprendere la complessità di questo step basti pensare che all’interno del progetto sono stati utilizzati dataset di input contenenti circa 5000 foglie e ognuna di queste è stata etichettata permettendo all’algoritmo di intelligenza artificiale di riconoscerla e discriminarla da ciò che la circonda.
Nell’immagine che segue (figura 1) è possibile vedere i primi risultati dell’algoritmo: a sinistra è visibile la fotografia di input, mentre a destra l’output del modello. I risultati del modello sono molto promettenti in quanto l’algoritmo è stato in grado di individuare la maggior parte delle foglie presenti nell’immagine.
Figura 1 Primi risultati dell’utilizzo dell’algoritmo di Intelligenza Artificiale per l’individuazione delle foglie di olivo
La figura 1 rappresenta solo il primo step verso lo sviluppo dell’algoritmo che verrà migliorato e perfezionato nel corso del progetto.
ResOILent rappresenta un’ottima occasione per mettere in pratica la conoscenza del team tecnico di Agricolus in materia di Machine learning e Deep learning compiendo un ulteriore passo verso l’Agricoltura 4.0.
