{"id":3264,"date":"2021-02-10T04:58:53","date_gmt":"2021-02-10T04:58:53","guid":{"rendered":"https:\/\/new3.farm21.com\/?p=3264"},"modified":"2022-09-13T06:44:20","modified_gmt":"2022-09-13T06:44:20","slug":"machine-learning-in-agriculture","status":"publish","type":"post","link":"https:\/\/www.farm21.com\/it\/apprendimento-automatico-in-agricoltura\/","title":{"rendered":"L'apprendimento automatico incontra il processo decisionale in agricoltura"},"content":{"rendered":"

Scopo dei consigli di coltivazione 2.0<\/strong><\/h2>\n\n\n\n

Farm21 <\/a>sta sviluppando un sistema di supporto alle decisioni colturali ad autoapprendimento. Si tratta di una piattaforma in cui le fonti di dati agricoli vengono combinate e analizzate da algoritmi di apprendimento automatico. I risultati vengono valutati e migliorati dal feedback degli utenti. Lo chiamiamo \"Consigli di coltivazione 2.0\". In questo altro blog<\/a> spieghiamo cosa intendiamo con questo.<\/p>\n\n\n\n

In questo blog, invece, ci concentriamo sugli aspetti necessari per la creazione di questo sistema. Definiamo gli elementi chiave e i punti di partenza. Questi aspetti sono quelli su cui lavoriamo quotidianamente.<\/p>\n\n\n\n

\u200d<\/strong>I consigli per la coltivazione 2.0 offrono un supporto unico al singolo coltivatore. Consente al coltivatore di rendere la coltivazione pi\u00f9 efficiente. Ci\u00f2 significa: aumentare la resa, risparmiare risorse preziose come la protezione delle colture, i fertilizzanti e l'acqua.<\/p>\n\n\n\n

Crediamo che questo sia il futuro della digitalizzazione in agricoltura.<\/p>\n\n\n\n

L'apprendimento automatico come volano<\/strong><\/h2>\n\n\n\n

Per risparmiarti un saggio molto tecnico, ti spieghiamo l'apprendimento automatico a un livello molto alto. L'apprendimento automatico \u00e8 un metodo automatizzato per analizzare grandi quantit\u00e0 di dati. A livello di base, un sistema di apprendimento automatico ben funzionante consiste in un ciclo continuo delle seguenti fasi.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n
  1. Raccolta dati.<\/strong> Raccolta di dati costante, di alta qualit\u00e0 e ad alto volume. Un set di dati in continua crescita con il maggior numero di dati (rilevanti) possibile \u00e8 la base del volano.<\/li>
  2. Categorizzazione dei dati.<\/strong> Gli specialisti dei dati categorizzano i dati e addestrano gli algoritmi di ML. Nel nostro caso, identifichiamo un argomento che vogliamo analizzare, ad esempio una certa malattia in una coltura, e quali parametri possono potenzialmente influenzare questo risultato.<\/li>
  3. Mostra i risultati.<\/strong> I risultati degli algoritmi di ML vengono mostrati ai coltivatori e ai consulenti per le colture.<\/li>
  4. Feedback.<\/strong> Il feedback viene elaborato e incluso nelle analisi successive.<\/li><\/ol>\n\n\n\n

    Per realizzare la visione del futuro di Farm21 e mettere in moto il volano dell'apprendimento automatico, \u00e8 necessario completare una serie di fasi chiave. Questa timeline mostra le fasi pi\u00f9 importanti.<\/p>\n\n\n\n

    1 Raccogliere i dati<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>L'apprendimento automatico richiede la raccolta costante di dati di alta qualit\u00e0 e di grandi volumi.<\/p>\n\n\n\n

    Per ottenere la giusta densit\u00e0 di dati, \u00e8 necessario ridurre il costo per punto di misura e potersi collegare a sensori gi\u00e0 esistenti.<\/p>\n\n\n\n

    A tal fine, stiamo sviluppando sensori proprietari che consentono la raccolta di dati a grana fine e utilizziamo i sensori esistenti per costruire un set di dati a grana fine.<\/p>\n\n\n\n

    2 Arricchire i dati<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Collegando le fonti di dati tra loro, \u00e8 possibile per un algoritmo di apprendimento automatico trovare correlazioni tra i dati.<\/p>\n\n\n\n

    Le fonti di dati che colleghiamo sono, ad esempio, immagini satellitari, database delle colture, registrazione delle rese, scansioni del terreno, set di dati dei trattori e molto altro ancora.<\/p>\n\n\n\n

    Con informazioni provenienti da fonti diverse, \u00e8 anche possibile filtrare gli outlier. Migliorare la qualit\u00e0 dei dati utilizzati per l'addestramento degli algoritmi di apprendimento automatico.<\/p>\n\n\n\n

    3 Avvisi generici<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Un modello preesistente (Generic Decision Support System) costituisce la base degli avvisi. Algoritmi di base come \"con la temperatura X e l'umidit\u00e0 Y per un periodo di tempo Z, hai una pressione patologica elevata\". Questi avvisi generici sono il nostro punto di partenza.<\/p>\n\n\n\n

    Raccogliamo quando vengono attivati e in una fase successiva mettiamo in relazione questi eventi con la risposta dell'utente.<\/p>\n\n\n\n

    4 Feedback<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Il feedback \u00e8 il motore del sistema di autoapprendimento. Un semplice \"questo \u00e8 giusto\/non \u00e8 giusto\" dice gi\u00e0 molto sulla qualit\u00e0 del consiglio. Come gi\u00e0 detto, memorizziamo questo feedback e lo confrontiamo con il consiglio dato.<\/p>\n\n\n\n

    In questo modo gli algoritmi di apprendimento automatico possono determinare a livello individuale quali dovrebbero essere i fattori di ponderazione per i consigli di coltivazione personali, ma anche utilizzarli per trovare maggiori collegamenti tra i set di dati.<\/p>\n\n\n\n

    5 Prevedere il futuro<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Utilizzando una serie di dati in continua crescita e l'aiuto dell'apprendimento automatico possiamo dare consigli o avvertimenti su ci\u00f2 che potrebbe accadere.<\/p>\n\n\n\n

    In questo modo il coltivatore viene informato prima degli sviluppi climatici e del loro effetto sul suo campo e sulla sua coltura. Questo gli permette di agire pi\u00f9 rapidamente.<\/p>\n\n\n\n

    6 Consigli personalizzati sulle colture<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>A questo punto arriviamo ai consigli colturali 2.0 per il singolo coltivatore.<\/p>\n\n\n\n

    La misurazione a grana fine consente di eseguire azioni colturali a un livello molto preciso. Grazie a tutte le informazioni che vengono immesse nel sistema e analizzate dagli algoritmi di apprendimento automatico, il livello di approfondimento aumenta notevolmente. Questo si traduce in consigli agricoli localizzati e personalizzati.<\/p>\n\n\n\n

    I consigli di coltivazione automatici su misura sono estremamente dettagliati, preventivi e mirati. Offre la possibilit\u00e0 di eseguire ogni azione al momento giusto per ottimizzare l'efficienza della resa e l'uso delle risorse.<\/p>","protected":false},"excerpt":{"rendered":"

    Scopo dei consigli di coltivazione 2.0 Farm21 sta sviluppando un sistema di supporto alle decisioni di coltivazione ad autoapprendimento. Si tratta di una piattaforma...<\/p>","protected":false},"author":5,"featured_media":3267,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","inline_featured_image":false,"_kad_blocks_custom_css":"","_kad_blocks_head_custom_js":"","_kad_blocks_body_custom_js":"","_kad_blocks_footer_custom_js":"","_kadence_starter_templates_imported_post":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":"","_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-3264","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"taxonomy_info":{"category":[{"value":1,"label":"Blog"}]},"featured_image_src_large":["https:\/\/www.farm21.com\/wp-content\/uploads\/2022\/09\/nsplsh_97f0fc33d1a24c008d2c3b47f4c682fdmv2.webp",808,606,false],"author_info":{"display_name":"Dana Gelerter","author_link":"https:\/\/www.farm21.com\/it\/author\/dana-gelerter\/"},"comment_info":262,"category_info":[{"term_id":1,"name":"Blog","slug":"blog","term_group":0,"term_taxonomy_id":1,"taxonomy":"category","description":"Resources you can use to predict and manage day-to-day farming in the most efficient, sustainable and cost-effective way.","parent":0,"count":26,"filter":"raw","cat_ID":1,"category_count":26,"category_description":"Resources you can use to predict and manage day-to-day farming in the most efficient, sustainable and cost-effective way.","cat_name":"Blog","category_nicename":"blog","category_parent":0}],"tag_info":false,"jetpack_featured_media_url":"https:\/\/www.farm21.com\/wp-content\/uploads\/2022\/09\/nsplsh_97f0fc33d1a24c008d2c3b47f4c682fdmv2.webp","jetpack_sharing_enabled":true,"acf":[],"_links":{"self":[{"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/posts\/3264","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/comments?post=3264"}],"version-history":[{"count":0,"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/posts\/3264\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/media\/3267"}],"wp:attachment":[{"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/media?parent=3264"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/categories?post=3264"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.farm21.com\/it\/wp-json\/wp\/v2\/tags?post=3264"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}