Internet of things in agricoltura: ecco sei esempi

Ecco sei esempi di IoT (Internet of things) applicato all'agricoltura. Sei soluzioni tecnologiche in grado di rendere le attività agricole sempre più precise, redditizie e sostenibili.

Progetto Phenonet

Con il progetto Phenonet, i coltivatori possono valutare le prestazioni di varie varietà di grano utilizzando le misurazioni prese dai sensori remoti. Questi sensori controllano elementi  come temperatura del suolo, dell'aria e umidità e vengono spesso utilizzati per le prove di varietà delle colture. Ciò consente agli agricoltori di prevedere il tempo di raccolta, migliorare la salute delle piante, pianificare i tempi di irrigazione e di prepararsi in anticipo per eventi di gelo o calore.

TempuTech

TempuTech ha voluto portare una migliore sicurezza ai propri sistemi per lo stoccaggio agricolo. I silos e gli ascensori a grani possono essere luoghi pericolosi con nastri trasportatori che si possono bloccare, senza contare il rischio di incendi. L’utilizzo dei sensori IoT per tenere traccia dei potenziali pericoli è un passaggio di grande valore. Utilizzando Equipment Insight di Ge, TempuTech ha creato un modo per collegare tutti questi sensori wireless e aiutare gli agricoltori a comprendere i dati. Utilizzando la piattaforma Equipment Insight, i produttori possono stabilire norme di prestazioni di base e impostare condizioni di allarme e allarme relative a temperatura, vibrazione, umidità e altre condizioni.

Attrezzature Claas

Claas è uno dei principali produttori mondiali di attrezzature per l'ingegneria agricola. Gli agricoltori possono utilizzare queste apparecchiature in autopilota, ricevere consigli su come migliorare il flusso delle colture e minimizzare le perdite di grano o ottimizzare automaticamente le prestazioni dell'apparecchiatura. L'azienda sta collaborando con 365FarmNet, un programma che consente agli agricoltori di gestire l'intera azienda agricola su un computer o un dispositivo mobile. Raccoglie dati e utilizza significativamente il programma attraverso mapping dei campi, pianificazione delle fecondazioni, bilanciamento dei nutrienti e programmi di pianificazione e calendario.

Cleangrow

Cleangrow ha sviluppato un sensore a base di carbonio per monitorare il livello di nutrienti nelle colture. In questo modo è possibile modificare colore o maturità dei prodotti. Le sonde nutrizionali convenzionali sono dispositivi analogici che catturano un'immagine composita delle condizioni ambientali. Nel dispositivo CleanGrow, un sensore a nanotubi siede su un lato di una membrana. Quando l'acqua passa attraverso la membrana, il sensore rileva la presenza e la quantità dello ione target. Possono essere posizionati fino a 18 sensori diversi.

PrecisionHawk

La società ha creato un drone autonomo che raccoglie i dati di alta qualità attraverso una serie di sensori che eseguono applicazioni civili come rilevazione, mappatura e imaging di terreni agricoli. Prima di lanciare il drone gli agricoltori indicano qual è il campo da osservare e scelgono il tipo di visualizzazione da terra o in altitudine. Ogni piano può rilevare le condizioni atmosferiche nell'aria usando l'intelligenza artificiale, quindi sceglie il percorso migliore da percorrere sulla base di elementi come velocità del vento o pressione dell'aria. Durante il volo, l'aereo raccoglierà immagini visive, termiche e multi-spettrali fino a un centimetro per pixel.

TeamDev

Il tabacco è un settore importante per l'agricoltura italiana e richiede alcuni requisiti ambientali e climatici per una crescita ottimale e una maggiore coltivazione. In risposta a questo problema, una software house italiana TeamDev ha distribuito la piattaforma Plug & Sense di Wasigliote Libelium per raccogliere dati sulle condizioni climatiche che potrebbero influenzare le colture di tabacco. Questa tecnica può essere utilizzata dagli agricoltori per ottimizzare le loro colture in condizioni non tipicamente adatte alla crescita del tabacco.