Il Canada investe fino a C $1,693,412 per adattare ai vigneti l’IA sviluppata per i meleti

Il governo canadese sta investendo fino a C $1,693,412 in Vivid Machines Inc. per sviluppare strumenti di computer vision e machine learning volti ad aiutare gli operatori vitivinicoli a individuare prima le malattie, monitorare la qualità del frutto e stimare le rese con maggiore precisione.

Agriculture and Agri-Food Canada ha affermato che il finanziamento sarà erogato attraverso la componente Projects del programma AgriScience, nell’ambito della Sustainable Canadian Agricultural Partnership. Il sostegno è destinato ad aiutare l’azienda di tecnologia agricola con sede a Toronto ad adattare il suo sistema Vivid XV, attualmente utilizzato nei meleti, per l’impiego nei vigneti.

Secondo il dipartimento federale, il progetto amplierà la tecnologia di imaging dell’azienda in modo che possa scansionare le viti in tempo reale e generare dati a livello di singola vite, filare e interi blocchi di vigneto. Si prevede che il sistema aggiornato utilizzerà rilevamento basato su telecamere e modelli di machine learning per identificare i primi segnali di malattia, seguire lo sviluppo del frutto, valutare la qualità e prevedere i livelli di produzione prima della vendemmia.

L’annuncio riflette una più ampia spinta del Canada a sostenere l’innovazione agricola in grado di migliorare la gestione aziendale e rafforzare la produzione nel lungo periodo. In questo caso, il governo ha affermato che la tecnologia potrebbe offrire ai produttori informazioni più rapide e dettagliate sulle condizioni delle colture, consentendo loro di intervenire prima quando emergono rischi di malattia e di gestire gli input con maggiore precisione.

Vivid Machines ha costruito la propria attività attorno a strumenti di imaging automatizzato per i produttori di frutta. Il suo sistema Vivid XV viene montato su macchinari agricoli come trattori e irroratrici, dove acquisisce immagini durante il passaggio nei campi. Quelle immagini vengono poi elaborate da modelli di intelligenza artificiale progettati per interpretare la salute della pianta, la crescita del frutto e i segnali di stress o malattia. Nei vigneti, ciò potrebbe significare un monitoraggio più costante rispetto ai soli controlli visivi, soprattutto su grandi superfici dove le condizioni possono cambiare rapidamente da un blocco all’altro.

Il governo ha affermato che la versione del sistema prevista per i vigneti non mira soltanto a migliorare il rilevamento delle malattie, ma anche ad aiutare a ridurre l’uso di prodotti chimici. Un’identificazione più precoce dei problemi può consentire ai produttori di indirizzare i trattamenti in modo più mirato, invece di applicarli su aree più ampie per precauzione. Questo approccio, se si dimostrerà efficace nell’uso commerciale, potrebbe abbassare i costi degli input e ridurre le applicazioni non necessarie, contribuendo al tempo stesso a proteggere la qualità delle colture.

La questione va oltre le operazioni in campo. L’uva è la materia prima per il vino e gli strumenti che migliorano il monitoraggio delle malattie e le previsioni di resa potrebbero aiutare le cantine e i fornitori di uve a pianificare i tempi di raccolta, gestire la qualità del frutto e stabilizzare la produzione. Nel tempo, un monitoraggio più preciso dei vigneti potrebbe anche favorire l’efficienza lungo l’intero settore delle bevande migliorando la visibilità dell’offerta e potenzialmente riducendo parte dell’uso di prodotti per la difesa delle colture, anche se tali risultati dipenderanno dall’adozione e dalle prestazioni sul campo.

Jenny Lemieux, co-fondatrice e amministratrice delegata di Vivid Machines, ha dichiarato nell’annuncio che il finanziamento federale consentirà all’azienda di applicare una tecnologia originariamente sviluppata per i produttori di mele alle principali sfide dei vigneti, tra cui la stima del carico produttivo e il rilevamento precoce delle malattie. Ha inoltre affermato che il progetto sosterrà le assunzioni a Toronto ed espanderà il lavoro ad alta specializzazione nel settore della tecnologia agricola in Ontario.

Il governo federale ha presentato l’investimento come un sostegno sia alla produttività agricola sia allo sviluppo economico. Agriculture and Agri-Food Canada ha affermato che il progetto mira a rafforzare la resilienza del settore canadese dell’uva e del vino in un momento in cui i produttori devono far fronte alla pressione dei rischi fitosanitari, alla variabilità del clima e alla necessità di migliorare l’efficienza.

La tecnologia di base combina due forme di intelligenza artificiale che stanno diventando sempre più comuni nei macchinari agricoli. La computer vision consente a un sistema di acquisire e interpretare informazioni visive da piante e frutti. Il machine learning utilizza grandi set di dati per individuare schemi e migliorare nel tempo le previsioni. In termini pratici, ciò significa che il sistema può essere addestrato a riconoscere i sintomi delle malattie, i grappoli e le fasi di sviluppo della coltura a partire dalle immagini raccolte in campo.

Per gli operatori viticoli, una delle promesse centrali del progetto è la velocità. Le ricognizioni tradizionali dipendono spesso da squadre che attraversano i vigneti a piedi e registrano manualmente le osservazioni. Un sistema di telecamere montato su mezzi già in movimento all’interno del vigneto potrebbe raccogliere più dati con maggiore frequenza, rendendo più facile individuare i cambiamenti man mano che la stagione avanza. Le stime di resa a livello di vite, filare e blocco potrebbero inoltre aiutare i produttori a prendere decisioni su manodopera, programmazione della vendemmia e pianificazione dell’ingresso dell’uva in cantina.

Il finanziamento è stato annunciato in un comunicato stampa di Agriculture and Agri-Food Canada del 10 settembre e successivamente riportato da The Grower. Il dipartimento ha affermato che il progetto fa parte dell’impegno del Canada a sostenere la tecnologia agricola nazionale che possa essere applicata direttamente nella produzione commerciale e aiutare i produttori a rispondere alle pressioni operative e ambientali.