Dalle foglie arriva un nuovo alfabeto per leggere lo stress idrico delle piante. Sensori semplici, immagini e algoritmi trasformano movimenti quasi impercettibili in segnali utili per irrigare meglio, prima che il danno diventi visibile. Una frontiera dell’agricoltura 4.0 che punta a ridurre costi e sprechi, portando l’intelligenza artificiale più vicino al campo.
L’agricoltura 4.0 integra l’impiego di sensori, robotica e intelligenza artificiale (IA) per ottimizzare l’uso delle risorse e preservare le rese. Nella gestione irrigua, le strategie consolidate stimano il fabbisogno idrico, combinando equazioni di bilancio energetico e rilevamenti ambientali per fornire una misura indiretta.
Osservare direttamente la coltura restituisce un’informazione più vicina alla realtà. Costruire sistemi per guardare le piante da vicino, però, ha richiesto finora strumentazioni costose e complesse.
Su questo scenario si innesta un percorso di studio focalizzato su due direttrici: il contenimento dei costi di rilievo – spostando il peso dell’indagine dalla strumentazione all’architettura algoritmica – e la ricostruzione della storia idrica della pianta a partire dal moto delle sue foglie.
Il meccanismo di base è lineare. Una webcam fotografa la pianta a intervalli regolari. Un algoritmo guarda lo scorrere delle immagini e traduce i lenti movimenti delle foglie in vettori spaziali, estraendone la geometria. Astrazioni matematiche sviluppate ad hoc per descrivere la dinamica dei movimenti alimentano un articolato sistema di classificatori per identificare quattro livelli idrici: acqua ottimale, carenza prolungata, stress recente lieve, stress recente severo.
Ogni livello idrico descrive una specifica traiettoria fisiologica. La pianta, infatti, registra gli eventi passati: il movimento di oggi, così come la performance agronomica, sono il risultato di tutta la sua storia irrigua.
Leggere la cinematica permette di agire in anticipo. I calcolatori riconoscono il segnale fisico prima che la cellula subisca danni strutturali e l’acqua viene erogata seguendo la traiettoria dei segnali dello stress.
Le ricerche svolte hanno dimostrato la fattibilità dell’innovazione proposta in ambiente controllato su lattuga; i passaggi successivi dovranno estendere l’impiego del sistema ad altre specie e al pieno campo. Parallelamente, occorrerà tradurre queste astrazioni matematiche in indicatori di immediata lettura per la pratica agricola.
Sebbene in questi anni la convergenza tra agronomia, metrologia e ingegneria informatica abbia prodotto strumenti di IA sempre più evoluti al servizio dell’agricoltura, la differenza tra questi e i chatbot più famosi – che comunemente identifichiamo con l’intera IA – risiede nella disponibilità di archivi di dati altrettanto vasti, armonizzati, rappresentativi e ben descritti. La sfida è costruirli.
L’attività di ricerca descritta è stata condotta nell’ambito del Dottorato di Ricerca in Scienze degli Alimenti – XXXVIII ciclo dell’Università di Teramo, con borsa finanziata dal CREA, svolto presso il Centro di Ricerca Orticoltura e Florovivaismo, sede di Monsampolo del Tronto.
Il percorso di dottorato è stato orientato alla progettazione di metodologie innovative per il monitoraggio sostenibile delle colture e il miglioramento della gestione irrigua, mediante l’integrazione di tecniche di acquisizione delle immagini, analisi dei dati e strumenti di intelligenza artificiale.
L’attività scientifica si è concentrata sull’impiego di metodologie avanzate di imaging e di elaborazione automatica delle informazioni visive per caratterizzare le risposte fisiologiche delle colture sottoposte a differenti regimi idrici. Le conoscenze acquisite costituiscono una base metodologica per future piattaforme integrate che combinino sensoristica, visione artificiale e algoritmi di intelligenza artificiale a supporto di pratiche agricole più efficienti e sostenibili.
Dal punto di vista sperimentale, la ricerca ha consentito di definire procedure di computer vision dedicate all’estrazione automatica di indicatori quantitativi della risposta delle piante allo stress idrico. L’analisi delle variazioni dinamiche della chioma e dei movimenti fogliari è stata resa possibile dalla formalizzazione di nuovi descrittori, potenzialmente utili per l’identificazione precoce delle condizioni di stress e per l’evoluzione di sistemi decisionali nell’ambito dell’agricoltura digitale.
I risultati conseguiti hanno dato origine a pubblicazioni scientifiche dedicate all’applicazione della computer vision alle colture orticole e alle tecnologie digitali per l’agricoltura.
- Polilli, W., Galieni, A., Platani, C., Stagnari, F., & Antonini, A. (2026). Automated classification of plant water status through morpho-kinematic monitoring of plant movement. Computers and Electronics in Agriculture, 241, 111277.
- Polilli, W., Antonini, A., Platani, C., Stagnari, F., & Galieni, A. (2026). Enhancing Morpho-Kinematic analysis for Plant Water Stress Classification through Leaf Movements. Smart Agricultural Technology, 101930.
Dottore di ricerca in Scienze degli Alimenti.
La sua attività unisce agronomia, scienza degli alimenti e informatica. Si occupa di fenotipizzazione digitale delle colture orticole, monitoraggio dello stress idrico e analisi della qualità dei prodotti. Utilizza immagini, riflettanza spettrale e modelli statistici per collegare i segnali digitali alle risposte delle piante.
Ricercatore
CREA Centro di ricerca Orticoltura e Florovivaismo, sede di Monsampolo del Tronto
L’attività scientifica è orientata allo sviluppo di strategie innovative per la sostenibilità dei sistemi orticoli, attraverso lo studio delle interazioni tra gestione agronomica, ambiente e qualità delle produzioni. Le principali linee di ricerca riguardano la valutazione delle risposte delle colture agli stress abiotici, l’ottimizzazione dell’uso delle risorse (acqua e nutrienti), l’applicazione di approcci agroecologici e l’impiego di tecniche innovative e sistemi di monitoraggio avanzati, per migliorare la resilienza delle colture e la qualità delle produzioni. Partecipa ad attività di ricerca nell’ambito di progetti nazionali ed europei sulle tematiche elencate.
