AI per il settore agricolo: come l’intelligenza artificiale può ottimizzare la gestione del bestiame
L’adozione dell’intelligenza artificiale non riguarda solo settori nativamente digitali o ad alto potenziale di efficientamento come il manifatturiero. Anche comparti più tradizionali, come l’agricoltura e l’allevamento, stanno vivendo una trasformazione profonda, guidata dai dati e dall’automazione.
In Svizzera, dove il settore zootecnico è una componente storica e strategica dell’economia, Artificialy ha sviluppato una soluzione innovativa basata sulla Computer Vision per migliorare la gestione delle mandrie e ottimizzare l’efficienza produttiva.
Automatizzare il tracciamento e la selezione degli animali
Il progetto nasce dall’esigenza di automatizzare il raduno e la gestione delle vacche da latte. Nelle moderne aziende agricole, gli animali vengono munti due volte al giorno e alcuni necessitano di trattamenti specifici, per motivi sanitari o riproduttivi; per questo, identificarli e separarli manualmente è un processo che può comportare un grande effort umano, con conseguenti costi elevati e dispendio di tempo.
Il sistema tradizionale a infrarossi a fascio si limitava a rilevare la presenza delle mucche e azionare un cancello di smistamento. Ma questo approccio presenta dei limiti: basta, infatti, che gli animali si fermino nella posizione sbagliata o che non mantengano la distanza corretta l’uno dall’altro perché il sistema si blocchi o generi errori.
Da qui abbiamo sviluppato una soluzione AI di tracciamento intelligente, capace di operare in tempo reale, anche in condizioni ambientali complesse.
La nostra soluzione AI: visione artificiale e controllo predittivo
Abbiamo progettato un sistema di Computer Vision basato su modelli di deep learning in grado di riconoscere e tracciare ogni animale, individualmente.
Il sistema utilizza una telecamera fisheye a 360° con illuminazione IR, integrata su una piattaforma di calcolo NVIDIA Jetson Orin, per garantire elaborazione locale e tempi di risposta immediati.
L’architettura AI si basa su tre componenti principali:
Rilevamento degli oggetti (Object Detection): il sistema individua e localizza ogni mucca nel campo visivo.
Rilevamento dei punti chiave (Landmarks Detection): vengono identificate le parti principali del corpo dell’animale (testa, spalle, coda), migliorando la precisione del tracciamento.
Tracciamento temporale e controllo predittivo: combinando i dati visivi nel tempo ($T, T+1, T+2$), il sistema prevede i movimenti e aziona i cancelli in modo predittivo, riducendo imprecisioni e tempi di attesa.
Il risultato è un flusso continuo e automatizzato, in cui gli animali vengono identificati, tracciati e diretti nel percorso corretto, in modo sicuro e fluido. Non solo, è possibile anche la re-identificazione, per re-identificare animali occlusi.
Le sfide della Computer Vision in un ambiente reale
L’ambiente di lavoro in una stalla presenta condizioni estremamente variabili: non tutte le mucche hanno lo stesso aspetto, l’illuminazione cambia nell’arco della giornata, le telecamere possono sporcarsi facilmente e gli animali compiono spesso movimenti imprevedibili.
Superare questi ostacoli è stato un passo fondamentale per garantire un sistema robusto, affidabile e realmente applicabile alla quotidianità delle aziende agricole.
Altro aspetto interessante del progetto è stato l’uso della Generative AI per migliorare la robustezza del modello di Computer Vision. Poiché la telecamera era fissa in un’unica posizione e in un contesto ambientale specifico, il sistema tendeva a ridurre le proprie prestazioni in scenari diversi. Per superare questo limite, abbiamo utilizzato tecniche di image inpainting basate su Stable Diffusion, generando artificialmente diverse ambientazioni come prati, superfici asfaltate o terreni di varia composizione. In questo modo, è stato possibile aumentare la varietà e la qualità del dataset, migliorando la capacità del modello di generalizzare a condizioni reali eterogenee.
Risultati: efficienza, benessere animale e sostenibilità
Grazie a questa soluzione, l’intero processo di raduno è diventato più efficiente, preciso e rispettoso del benessere animale: la gestione automatica dei cancelli ha ridotto gli incidenti e lo stress delle mucche stesse.
Lavorare su sistemi invisibili che impattino positivamente sul benessere degli animali, infatti, ha consentito di migliorare la produttività complessiva dell’allevamento.
Il sistema ha permesso di ottimizzare i flussi di lavoro e ridurre l’impatto energetico legato alle operazioni manuali: un esempio concreto di innovazione sostenibile applicata al settore primario.
L’AI come leva di innovazione per l’agritech svizzero
Questo progetto dimostra come l’intelligenza artificiale possa portare valore anche in settori tradizionali: l’approccio data-driven e le competenze ingegneristiche di Artificialy permettono di trasferire le tecnologie AI dalla ricerca alla produzione, rendendole accessibili e scalabili anche in contesti industriali e agricoli.
Nel mondo dell’agritech, innovazioni di questo tipo aprono la strada a nuove forme di agricoltura intelligente, dove ogni decisione, dal movimento del bestiame alla manutenzione dei macchinari, può essere ottimizzata grazie ai dati.