Agricoltura 4.0, sensori e machine learning in una serra del Ragusano

Agricoltura 4.0, sensori e machine learning in una serra del Ragusano
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

Agricoltura 4.0 senza rete elettrica né connessione a internet. A Roccazzo, frazione di Chiaramonte Gulfi, si coltivano more in serra con l’aiuto del machine learning. Ma non solo. L’utilizzazione del sistema LoRaWAN, una tecnologia radio wireless per il monitoraggio e la comunicazione dei dati su lunghe distanze e a basso consumo energetico, fa sì che la coltivazione possa essere “assistita” da remoto anche in assenza di energia elettrica e di connessione a internet.

I nuovi impianti assolutamente innovativi sono stati installati per la prima volta nelle serre di proprietà di Andrea Angilletti, a Roccazzo: 3000 metri quadri coltivati a more. Si tratta di una coltura con standard qualitativi elevati per i quali serve garantire una temperatura costante, adeguata areazione, irrigazione ed fertilizzazione delle piante.

Per Andrea Angilletti, una parte delle attività agricole sono ora programmate e regolate a distanze, tramite un sistema di sensori realizzati da Lualtek, una start-up ragusana realizzata da Luca e Alessio Occhipinti. «Abbiamo voluto applicare il sistema LoRaWAN in agricoltura – spiega Alessio Occhipinti – convinti che questo avrebbe dato dei vantaggi enormi all’agricoltore. Abbiamo installato all’interno della serra alcuni sensori altamente innovativi, assemblati e realizzati da noi, che consumano pochissima energia e non sono collegati alla rete elettrica, ma ad un sistema a batteria di lunga durata (almeno 10 anni)»

Andrea Angilletti programma con il sistema LoRaWAN

Il sistema funziona quindi sempre, anche laddove non c’è energia elettrica e permette di garantire costantemente il monitoraggio costante delle colture. Oltre ai sensori, i due giovani della Lualtek si sono occupati della parte applicativa, quella che permette di programmare a distanza, di modificare le condizioni di una serra da remoto e perfino di suggerire e/o applicare – grazie al machine learning – modifiche ai parametri e alle soglie impostate per l’attuazione di determinate operazioni.

«Nel dettaglio – riferisce Alessio Occhipinti – permettiamo all’agricoltore e all’agronomo di “impostare una scena”, di predisporre cioè le condizioni di base della serra e di programmare una serie di attività che, a determinate condizioni, devono essere avviate. Ad esempio, quando i sensori rilevano la temperatura prefissata, fanno aprire i portelloni o, viceversa, li fanno richiudere. L’agricoltore può monitorare i dati a distanza e fare le scelte di volta in volta necessarie e può farlo anche da remoto, da casa sua, a qualunque ora».

Pc e smartphone gli strumenti indispensabili per l’Agricoltura 4.0

«Nelle serre – continua Luca Occhipinti – abbiamo montato un termoigrometro interno, un termoigrometro della terra, una mini-stazione meteo esterna e alcuni attuatori per l’apertura dei portelloni che erano già motorizzati, per l’accensione delle ventole e per l’accensione della trivella. Usando il nostro software i portelloni e le ventole si aprono in automatico al raggiungimento di determinate soglie di temperatura e umidità (grazie ad un algoritmo che incrocia i dati). Inoltre, l’agricoltore riceve una notifica ogni volta che alcuni valori raggiungono le soglie pre-impostate e una notifica di successo/fallimento ogni volta che avviene un automatismo; può accendere e spegnere la trivella dal suo smartphone, anche da casa, con un pulsante presente nel software (la sua trivella è a più di 700 metri dalla serra e ogni volta doveva usare l’auto). Il sistema consente un notevole risparmio di tempo e di manodopera».

da sinistra: Luca Occhipinti, Andrea Angilletti e Alessio Occhipinti

Il sistema Lualtek ha già assicurato una serie di vantaggi: l’agricoltore doveva recarsi in azienda per controllare la temperatura 6 o 7 volte al giorno, oggi lo fa solo quando è necessario. I sensori e gli attuatori sono altamente innovativi ed assemblati in house, quindi non sono reperibili altrove; funzionano fino a 10 km di distanza, distanza che può essere ampliata con l’installazione di altri gateway. I sensori sono modulari e vengono realizzano in maniera mirata in base alla fitopatia, alle condizioni meteo ad altre esigenze, come l’antigelo o la fertirrigazione.

«È anche possibile – aggiunge Alessio Occhipinti – agire in modo mirato su micro-zone dell’ambiente coltivato e applicare misure diverse sulla base delle condizioni di quella pianta o di una determinata zona. Grazie all’applicazione del machine learning, il software sarà in grado di suggerire e/o applicare modifiche ai parametri e alle soglie di attuazione e di prevedere l’andamento delle colture sulla base dei dati storici acquisiti».

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.