Il progetto di ricerca

Il progetto NEUTRAWEED, attraverso tecnologie assistite dall’intelligenza artificiale e dalla robotica, affronta una delle principali sfide ambientali e operative dell’agricoltura moderna: l’eccessiva dipendenza dagli erbicidi e dalle pratiche di lavorazione intensiva del terreno. L’obiettivo generale di NEUTRAWEED è creare una rete internazionale e intersettoriale composta da 15 organizzazioni distribuite in quattro continenti (Europa, Africa, Asia e America), impegnate in un programma di ricerca congiunto nei settori dell’ecologia e della gestione delle infestanti, dell’intelligenza artificiale e della robotica. Sono necessarie nuove soluzioni sostenibili per la gestione delle infestanti, poiché l’eccessivo ricorso al controllo chimico e alle lavorazioni intensive del suolo in sistemi colturali semplificati è oggi messo in discussione a causa dei numerosi svantaggi che comporta. Al centro del progetto vi è l’integrazione di visione artificiale, robotica, sensori di precisione e machine learning in una cornice intelligente e unificata, capace di rilevare le infestanti a livello di singola specie e di intervenire in modo selettivo. L’obiettivo è rendere i processi agricoli più sostenibili, scalabili e rispettosi dell’ambiente, riducendo l’impiego di prodotti chimici e migliorando al contempo l’efficienza operativa.

Miningful contribuisce allo sviluppo di pipeline analitiche basate su AI e machine learning per l’agricoltura di precisione e la gestione intelligente delle infestanti. Il suo ruolo è focalizzato sulla progettazione di avanzati sistemi di percezione e supporto alle decisioni, in grado di trasformare dati eterogenei provenienti dai sensori agricoli in informazioni coerenti, interpretabili e concretamente utilizzabili a livello operativo. Attraverso la combinazione di visione artificiale, fusione multimodale dei dati, apprendimento statistico e approcci di Explainable AI, Miningful contribuisce a colmare il divario tra l’acquisizione dei dati in campo e il processo decisionale autonomo intelligente. Ciò consente lo sviluppo di sistemi di agricoltura di precisione non solo accurati e scalabili, ma anche computazionalmente interpretabili, adattivi e idonei all’integrazione con successivi processi di intervento robotico autonomo.

Le Challenge

Le attuali strategie di gestione delle infestanti si basano in larga misura sull’impiego di erbicidi ad ampio spettro e su lavorazioni meccaniche intensive del terreno. Sebbene efficaci su larga scala, questi approcci generano importanti criticità ambientali e agronomiche, tra cui:

  • uso eccessivo di erbicidi chimici;
  • degradazione del suolo causata dalle lavorazioni intensive;
  • limitata selettività nei processi di controllo delle infestanti;
  • crescente diffusione di fenomeni di resistenza agli erbicidi;
  • elevati costi operativi;
  • integrazione insufficiente dell’automazione intelligente nei processi agricoli.

La sfida affrontata da NEUTRAWEED consiste nello sviluppo di sistemi agricoli intelligenti e in grado di riconoscere le diverse specie infestanti, capaci di realizzare una gestione mirata e adattiva delle infestanti attraverso sistemi di percezione assistiti dall’intelligenza artificiale e interventi robotici. Il progetto studia come le tecnologie di machine learning, visione artificiale e robotica possano ridurre la dipendenza dai prodotti chimici, migliorando al contempo la sostenibilità, la precisione e l’efficienza operativa degli ambienti agricoli moderni.

Obiettivi della ricerca

Il progetto si concentra su tre principali direttrici di ricerca:

  • identificazione delle infestanti basata sull’intelligenza artificiale, attraverso lo sviluppo di sistemi di machine learning e visione artificiale in grado di riconoscere le diverse specie infestanti anche in condizioni ambientali e operative altamente variabili;
  • intervento robotico selettivo, capace di eseguire azioni di controllo localizzate e specifiche per ciascuna specie infestante, minimizzando al contempo i danni alle colture e agli ecosistemi circostanti;
  • agricoltura di precisione sostenibile, con la creazione di framework scalabili che riducano la dipendenza dal controllo chimico delle infestanti, migliorando al contempo la sostenibilità ambientale e l’efficienza operativa delle attività agricole.

Metodi

Il contributo di Miningful all’interno di NEUTRAWEED è focalizzato sullo sviluppo di metodologie basate sull’intelligenza artificiale per l’integrazione multimodale dei dati, la percezione e i sistemi adattivi di supporto alle decisioni destinati agli ambienti di agricoltura di precisione.

Il progetto genera dataset altamente eterogenei provenienti da molteplici sistemi di acquisizione, tra cui piattaforme di imaging in campo, sistemi robotici di rilevamento, misurazioni ambientali, pipeline di monitoraggio delle colture e osservazioni visive a livello di specie. Ciascuna di queste fonti è caratterizzata da differenti risoluzioni spaziali, variabilità ambientale, strutture del segnale e condizioni di acquisizione. Una delle principali sfide di ricerca consiste nel trasformare queste osservazioni agricole frammentate in rappresentazioni coerenti e interpretabili, in grado di supportare flussi operativi di intervento autonomo.

Per affrontare questa sfida, Miningful sviluppa pipeline computazionali progettate per allineare spazialmente dati agricoli multimodali, normalizzare output provenienti da sensori eterogenei, identificare pattern visivi e spettrali specifici delle diverse specie e generare livelli semantici intelligenti destinati ai sistemi autonomi di supporto alle decisioni. Il flusso di lavoro basato sull’intelligenza artificiale esplora inoltre come le tecniche di machine learning e di fusione multimodale dei dati possano favorire l’interpretazione automatizzata di ambienti agricoli complessi, consentendo una comprensione più accurata del contesto operativo e supportando interventi mirati, adattivi ed efficienti nell’ambito dell’agricoltura di precisione.

neutraweed maps

I partner del progetto

NEUTRAWEED si sviluppa attraverso un consorzio internazionale multidisciplinare che coinvolge università, centri di ricerca, ONG e autorità pubbliche: