“Da molti anni mi occupo dello sviluppo di dispositivi biomedici indossabili e impiantabili, progettati per operare a basso consumo energetico e garantire un funzionamento continuo nel lungo periodo. A un certo punto mi sono chiesto: perché non trasferire le competenze maturate nella salute umana alla salute delle piante?”.
Danilo Demarchi, Professore Ordinario presso il Politecnico di Torino, ha trasformato questa intuizione in un nuovo filone di ricerca dedicato ai sensori indossabili per il monitoraggio delle colture. In questa intervista per la Società Italiana di Elettronica, il Prof. Demarchi racconta come l’elettronica possa contribuire a rendere l’agricoltura più sostenibile, produttiva e al tempo stesso resiliente date le condizioni imposte dai cambiamenti climatici.
“Abbiamo applicato alle piante una delle tecniche che utilizziamo con successo in ambito umano: la misura della bioimpedenza, cioè la valutazione delle proprietà elettriche dei tessuti attraverso il passaggio di correnti a bassissima intensità. I minerali che la pianta assorbe dal terreno sono sostanze ioniche e l’attività fisiologica della pianta è strettamente legata al trasporto di questi elementi attraverso lo xilema, che conduce acqua e nutrienti dalle radici, e il floema, che distribuisce i prodotti della fotosintesi. Misurando questi processi di assorbimento e trasporto dei nutrienti, siamo riusciti a estrarre quello che, in modo volutamente evocativo, definiamo “elettrocardiogramma della pianta”, che ci permette di valutarne le condizioni di salute. Durante il suo metabolismo, infatti, la pianta mostra un andamento periodico dei segnali elettrici, con una dinamica quotidiana legata al ciclo circadiano. Quando la pianta è fisiologicamente attiva, il segnale varia in modo evidente e il sensore ci restituisce informazioni sul suo stato di salute. Si tratta di un monitoraggio continuo e in tempo reale. Infatti, acquisendo i dati ogni 15 minuti possiamo osservare come il segnale cambi durante la giornata. Ad esempio, dopo l’irrigazione notiamo una diminuzione della media del “battito cardiaco” della pianta, segno che sta reagendo positivamente all’acqua ricevuta. Il vero salto innovativo è questo: non è soltanto il sensore nel terreno a indicarci che il suolo è stato irrigato, ma è la pianta stessa a comunicarci se sta realmente beneficiando dell’acqua. Se invece la pianta è in sofferenza, il segnale non mostra variazioni significative. Grazie all’analisi di questi dati siamo riusciti a individuare precocemente condizioni di stress idrico. Nelle sperimentazioni condotte su due campi di mele abbiamo ottenuto un risparmio d’acqua compreso tra il 40% e il 50%. Questi segnali ci permettono anche di capire quando una pianta sta entrando in uno stato patologico o di deterioramento, ancora prima che compaiano sintomi visibili. Una pianta malata può infatti apparire sana all’esterno, con foglie ancora verdi, inducendo in errore l’osservazione superficiale. Monitorando invece ciò che avviene internamente, possiamo rilevare alterazioni fisiologiche in anticipo, proprio come accade con le analisi del sangue nell’uomo quando all’apparenza possiamo stare bene ma alcuni parametri interni possono rivelare che qualcosa non funziona correttamente. In questo senso, il monitoraggio diventa uno strumento di prevenzione”.
Il prof. Demarchi, insieme al suo gruppo di ricerca, nell’ultima evoluzione del sistema ha iniziato a monitorare anche le foglie, che rappresentano l’organo attraverso cui la pianta respira e scambia gas con l’ambiente esterno. Questi nuovi sensori consentono di osservare parametri che descrivono il modo in cui la pianta mantiene il proprio equilibrio fisiologico con l’ambiente circostante.
“Integrando queste diverse sorgenti di dati, otteniamo un quadro molto più completo e accurato dello stato di salute della pianta. Disporre di informazioni sempre più precise significa poter intervenire in modo tempestivo ed efficace sul benessere della coltura, prendendo decisioni mirate su irrigazione, nutrizione e gestione agronomica. Oggi stiamo integrando anche strumenti di intelligenza artificiale, perché la quantità di segnali raccolti è estremamente elevata. L’AI ci aiuta a interpretarli, a individuare correlazioni e ad arrivare a decisioni sempre più accurate e affidabili, rendendo il monitoraggio delle piante predittivo. Qui dobbiamo però sottolineare due aspetti fondamentali. Il primo riguarda il modo in cui utilizziamo l’AI che attualmente lavora principalmente su computer o sistemi cloud, ma noi stiamo sviluppando un approccio basato sull’edge computing. Elaborare tutto nel cloud, infatti, non è sempre la soluzione ottimale perché significa dover trasmettere continuamente grandi quantità di dati, con un elevato consumo energetico e una forte dipendenza dalla connettività. Per questo stiamo lavorando allo sviluppo di algoritmi e di elettronica in grado di ospitare capacità di elaborazione direttamente sul sensore installato in campo. L’obiettivo è portare l’AI a bordo del dispositivo stesso, realizzando sistemi di edge AI capaci non solo di acquisire dati, ma anche di interpretarli localmente. Questo approccio può innanzitutto ottimizzare il consumo di potenza che rappresenta una delle risorse più importanti e critiche per questi sistemi. Se il sensore dispone già di un’intelligenza sofisticata a bordo, non è necessario trasmettere continuamente tutti i dati raccolti. Se il sistema rileva che la pianta sta bene e non ci sono informazioni nuove o anomalie da segnalare, non ha senso inviare dati ripetitivi. Oggi, invece, trasmettendo dati grezzi, questa valutazione non può essere fatta localmente e la comunicazione continua comporta un maggiore consumo energetico. Con l’edge AI possiamo quindi ridurre drasticamente la quantità di dati trasmessi e lavorare a un’ottimizzazione molto più efficiente dei consumi. Inoltre, avere la capacità di elaborare le informazioni direttamente sul campo permette anche di prendere decisioni in tempi molto più rapidi, senza dipendere necessariamente da infrastrutture esterne o da collegamenti dati che, in alcuni contesti agricoli, potrebbero non essere sempre disponibili o affidabili”.
Il Prof. Demarchi ha sottolineato come l’elettronica e l’AI rappresentino elementi chiave nello sviluppo di strumenti predittivi avanzati per l’agricoltura. Allo stesso tempo, ha evidenziato la presenza di una naturale diffidenza iniziale da parte degli agricoltori nei confronti di queste innovazioni, una resistenza che può essere superata solo attraverso l’evidenza concreta dei risultati ottenuti direttamente sul campo.
“Queste tecnologie ci consentono di stimare in anticipo se una pianta sta entrando in condizioni critiche, di prevedere l’andamento della produzione oppure di anticipare l’insorgenza di malattie. Questo apre la strada a una gestione molto più mirata e sostenibile delle colture: se, per esempio, identifichiamo con precisione un’area in cui sta emergendo un’infezione, è possibile intervenire in modo localizzato, distribuendo pesticidi solo dove servono, invece di trattare l’intero campo. Un aspetto altrettanto importante riguarda l’adozione di queste tecnologie da parte degli agricoltori. Spesso esiste una naturale resistenza al cambiamento, legata all’esperienza e all’”aver sempre fatto così, perché cambiare?”. Questa riluttanza è comprensibile, ma tende a ridursi rapidamente quando i risultati diventano evidenti nella pratica. Una volta osservati i benefici concreti, molti agricoltori non solo adottano il sistema, ma non vogliono più farne a meno, proprio perché ne riconoscono l’efficacia. In Piemonte, diverse aziende agricole stanno già testando queste soluzioni direttamente sul campo, per valutarne le prestazioni in condizioni reali e verificarne l’impatto”.
La riluttanza degli agricoltori può essere superata anche alla luce della necessità di adattare l’agricoltura ai cambiamenti climatici. In questo contesto, l’elettronica e i sistemi di AI diventeranno strumenti sempre più utili per supportare decisioni rapide, precise e sostenibili direttamente sul campo.
“Oggi non è sufficiente disporre di dati raccolti nell’arco di una settimana o di un mese, è necessario costruire serie temporali su scala stagionale. Questo livello di analisi richiede infrastrutture di calcolo e server di una certa importanza. Il processo di sviluppo si articola infatti in diverse fasi perché oggi non disponiamo ancora di dataset ampi e sofisticati, ma siamo in grado di prendere decisioni efficaci sulla base dei segnali disponibili. In una seconda fase, raccogliendo dati stagione dopo stagione, potremo migliorare ulteriormente la nostra comprensione dei fenomeni e la capacità di interpretazione. Infine, potremo tornare sul campo con algoritmi sempre più efficienti e accurati. Il problema principale è che con i cambiamenti climatici le condizioni stanno evolvendo in modo rapido e continuo, rendendo meno affidabile l’esperienza passata. Dobbiamo costruire una nuova base di conoscenza direttamente sulla situazione attuale. Il primo ostacolo è che sappiamo ancora molto poco delle piante. Sono sistemi complessi, difficili da modellare e interpretare. Anche concetti apparentemente semplici, come portare una pianta a uno stato di stress controllato per aumentarne la produttività, richiedono una comprensione profonda. Per questo motivo, lavorare in questo ambito significa anche confrontarsi con una sfida culturale e interdisciplinare importante: mettere in dialogo ingegneria elettronica, AI e agronomia. È un contesto in cui spesso ci si confronta con interlocutori esperti del loro settore, ma che hanno esigenze molto precise e concrete, e questo rende lo sviluppo di soluzioni tecnologiche per l’agricoltura complesso e stimolante.
