Sintesi del progetto
SowStain nasce per dotare l’agricoltura di una piattaforma digitale avanzata capace di supportare decisioni basate sui dati, aumentando la resilienza delle colture e riducendo l’impatto ambientale. Il progetto sviluppa un ambiente di Digital Twin in grado di modellare campi agricoli, analizzare condizioni reali e simulate e prevedere gli effetti stagionali e degli eventi estremi. Integrando sensori, immagini satellitari, droni e modelli di AI, SowStain offre strumenti concreti per ottimizzare risorse, migliorare produttività e promuovere pratiche di agricoltura sostenibile.
Obiettivi
L’obiettivo è creare una piattaforma intelligente che combini Digital Twin, AI, apprendimento federato ed Edge computing per supportare agricoltori e decisori pubblici in attività come gestione dell’acqua, fertilizzazione, monitoraggio delle colture e previsione dei rischi. SowStain intende ridurre sprechi idrici e uso eccessivo di fertilizzanti, migliorare la capacità di risposta a cambiamenti climatici e garantire una gestione più efficiente delle risorse, con benefici diretti per le aziende agricole e per la sostenibilità del settore.
Problemi e necessità
L’agricoltura moderna deve affrontare sfide critiche: scarsità idrica, aumento degli eventi climatici estremi, pressione per ridurre l’impatto ambientale e necessità di mantenere alta la produttività. I metodi tradizionali non offrono strumenti sufficienti per prevedere e adattarsi rapidamente a condizioni mutevoli. Inoltre, molte aziende agricole non dispongono di strumenti avanzati per interpretare grandi quantità di dati provenienti da sensori, droni e immagini satellitari. SowStain colma questo divario fornendo modelli predittivi, simulazioni realistiche e sistemi automatizzati per il supporto decisionale.
Soluzioni sviluppate
Il progetto ha realizzato un modello di stima della quantità di frutti usando un approccio GAN per generare immagini sintetiche, successivamente utilizzate per addestrare un modello di detection integrato in un sistema Edge per il dispiegamento in campo. In aggiunta, è stata sviluppata anche un’architettura di Digital Twin dedicata, con un modello di drone in grado di simulare dinamiche di volo e controllo, attualmente in fase di validazione. Parallelamente, il progetto ha avviato l’attività di ottimizzazione per la previsione stagionale usando tecniche avanzate di AI.
Impatti
SowStain può migliorare concretamente la vita degli agricoltori, offrendo strumenti per ottimizzare irrigazione, fertilizzazione e gestione delle colture, con conseguenti risparmi economici e produttività più elevata. L’uso di AI e Digital Twin porta a decisioni più rapide e informate, aumenta la resilienza delle aziende agricole e migliora la qualità dei prodotti. A livello sociale, il progetto contribuisce alla sostenibilità ambientale riducendo sprechi ed emissioni, favorendo l’innovazione nel settore agricolo e sostiene lo sviluppo economico delle comunità rurali.
Settori di applicazione
Oltre all’Agricoltura, i risultati del progetto sono applicabili a Enti Pubblici, Cooperative Agricole, Ricercatori e Istituzioni Formative. Le tecnologie sviluppate possono essere adattate anche ad altri settori che richiedono modelli predittivi e simulazioni, come gestione ambientale, monitoraggio territoriale, pianificazione delle risorse idriche, industria alimentare e agricoltura urbana.
