L’apprendimento automatico avviene durante l’intero ciclo di crescita e raccolta. Inizia con la semina di seme piantato nel terreno, dalla preparazione del suolo, dalla curva dei semi e dalla misurazione dell’irrigazione e termina quando i robot raccolgono il raccolto identificandone la maturità grazie all’impiego della visione computerizzata.

 

La previsione della resa rappresenta uno degli argomenti più importanti in ambito agricoltura di precisione in quanto definisce la mappatura e la stima dello stato delle piantagioni e la gestione delle colture. Approcci all’avanguardia incorporano tecnologie di visione artificiale per fornire dati in movimento e un’analisi multidimensionale completa di colture, condizioni meteorologiche ed economiche per sfruttare al massimo la resa per agricoltori e popolazione. L’accurata rilevazione e classificazione delle caratteristiche di qualità  delle colture può aumentare la produttività del terreno e ridurre gli sprechi. In confronto con gli esperti umani, le macchine possono utilizzare dati e interconnessioni apparentemente insignificanti per rivelare nuove qualità  che giocano un ruolo chiave nella qualità  complessiva delle colture e per rilevarle. Le erbacce sono una delle minacce più importanti per la produzione agricola risultando difficili da rilevare e discriminare dalle colture. Gli algoritmi di visione artificiale ed apprendimento automatico possono migliorare il rilevamento e la discriminazione delle erbe infestanti a basso costo e senza problemi ambientali ed effetti collaterali. In futuro, queste tecnologie guideranno robot che distruggeranno le erbacce, riducendo al minimo la necessità  di erbicidi.

 

Gli algoritmi di deep learning richiedono decenni di dati raccolti sul campo per analizzare le prestazioni delle colture in vari climi e nuove caratteristiche sviluppate nel processo. Sulla base di questi dati è possibile costruire un modello di probabilità  che preveda quali geni contribuiranno molto probabilmente a un tratto benefico per una pianta. L’apprendimento automatico può fornire una classificazione delle piante più accurata con risultati più rapidi rispetto ai metodi tradizionali.