L’AI e la robotica sono sempre più utilizzate in agricoltura e nel settore dell’industria alimentare e della ristorazione, assicurando una maggiore qualità dei prodotti, dei servizi e delle pratiche di lavoro più efficienti; tuttavia, l’accettazione da parte degli utenti e le applicazioni pratiche della tecnologia continuano a porre sfide dato che, pur avendo già riscontrato ottime premesse (dal rilevamento automatizzato di parassiti e malattie delle piante, alla “spruzzatura intelligente” di anticrittogamici, allo smistamento di prodotti), siamo ancora in fase di evoluzione e saranno necessari ulteriori progressi per gestirne le sfide ed i rischi intrinseci che queste tecnologie comportano.
L’AI nell’agricoltura
È doveroso ricordare che la popolazione umana globale continua ad aumentare e si stima raggiungerà i 9,9 miliardi entro il 2050; ne consegue che la domanda di cibo è destinata a salire del 56%, senza dimenticare le sfide scaturite dai cambiamenti climatici che rendono più scarse risorse come l’acqua e la terra coltivabile.
Ecco che l’AI, i sensori IoT e l’utilizzo della tecnologia di visione artificiale (i.e. computer vision) si stanno convertendo in leve strategiche che consentono il monitoraggio delle colture e del suolo, il rilevamento delle malattie e l’analisi predittiva e destinate a trasformare il settore agricolo.
Secondo un articolo della rivista Forbes pubblicato nell’ottobre 2021:
- la spesa globale in questo ambito dovrebbe raggiungere i 15,3 miliardi di dollari entro il 2025;
- il mercato dell’AI in agricoltura dovrebbe registrare un tasso di crescita annuale composto (CAGR) del 20%, raggiungendo i 2,5 miliardi di dollari entro il 2026.
Di seguito alcuni degli ambiti principali di utilizzo dell’AI in agricoltura.
Monitoraggio delle colture e del suolo
La qualità del suolo e la salute delle colture, sino a ieri erano scaturite dall’osservazione e dal giudizio umano che non risultano né accurati né tempestivi. Oggi, grazie all’impiego di droni alimentati da AI siamo in grado di acquisire dati di immagini aeree e addestrare modelli di visione artificiale per usarli per il monitoraggio intelligente delle condizioni delle colture e del suolo. L’AI, inoltre, è in grado di: fare previsioni di rendimento accurate; rilevare la malnutrizione delle colture molto più velocemente degli esseri umani; analizzarne la struttura; analizzare la materia organica del suolo e permettere agli agricoltori di agire immediatamente e ridurre drasticamente la fatica manuale.
Rilevamento di insetti e malattie delle piante
La tecnologia di riconoscimento delle immagini basata sul deep learning permette di automatizzare il rilevamento di malattie delle piante e di parassiti. Tutto ciò è possibile utilizzando metodi di classificazione, di rilevamento e di segmentazione delle immagini per costruire modelli in grado di monitorare la salute delle piante identificando e diagnosticando, ad esempio nel caso delle mele o dei pomodori, il rilevamento della gravità della malattia con una precisione superiore al 90%. Ancora, sistemi di visione artificiale consentono il rilevamento degli insetti quali api, mosche, zanzare, falene, coleottero giallo o nero e moscerini della frutta, permettendo sia di contarli con una precisione rispettivamente del 90,18% e del 92,5%.
Monitoraggio dello stato di salute del bestiame
La soluzione dell’azienda irlandese CattleEye è un ottimo esempio di utilizzo delle telecamere aeree e algoritmi di visione artificiale per monitorare la salute e il comportamento del bestiame. Grazie alla tecnologia il bestiame può essere rintracciato e monitorato, da remoto e in tempo reale, in modo tale che gli agricoltori possano essere avvisati non appena viene osservato un problema. Inoltre, grazie alla visione artificiale è possibile: contare gli animali; rilevare le malattie; identificare i comportamenti insoliti e monitorare le situazioni importanti come il parto. Ancora, grazie all’utilizzo di altre tecnologie di deep learning è possibile essere costantemente informati sulla salute degli animali e sul loro consumo di cibo o di acqua
Raccolta dati tramite droni (UAV) e “spruzzatura intelligente” di pesticidi e fertilizzanti
I droni dotati di AI di visione artificiale consentono, grazie ai dati raccolti, di automatizzare la “spruzzatura” uniforme di pesticidi o fertilizzanti. Inoltre, mediante il riconoscimento in tempo reale delle aree target di irrorazione, gli spruzzatori UAV sono in grado di operare con elevata precisione sia in termini di area che di quantità da “spruzzare”, riducendo significativamente il rischio di contaminare le colture, gli esseri umani, gli animali e le risorse idriche…
Classificazione e cernita dei prodotti
Esistono aziende che hanno sviluppato un sistema di smistamento automatizzato che utilizza la visione artificiale per individuare, ad esempio, le carote che hanno difetti superficiali o non hanno la forma e la lunghezza considerate “standard”. Si definisce lo stato “standard” di una carota in base alla forma giusta e alla mancanza di radici fibrose o crepe superficiali. Il modello di visione artificiale è in grado, sulla base di questi tre criteri, di ordinare e classificare le carote con tassi di precisione rispettivamente del 95,5%, 98% e 88,3%. Inoltre, nel caso di un pomodoro “classico standard”, l’AI con l’apprendimento automatico è in grado di utilizzare i dati delle immagini con sette funzionalità di input per valutare la qualità del pomodoro con una precisione del 95,5%.
Impiego di robot
Nel Regno Unito la società Small Robot Company (SRC) ha iniziato a fornire un servizio di scansione delle colture completamente autonomo tramite robot in grado di utilizzare l’AI per garantire l’agricoltura sostenibile. A partire da quest’autunno, circa 50 aziende agricole inglesi utilizzeranno il modello di SRC – denominato “Per Plant Farming” – che impiega un trio di robot in grado di piantare, monitorare e trattare le colture in modo autonomo e con il minimo spreco, riducendo rispettivamente le applicazioni di erbicidi di circa il 77% e le applicazioni di fertilizzanti del 15%.
I robot agiscono in modo sinergico e ognuno con specifiche mansioni. Ovvero: un robot di monitoraggio identifica potenziali organismi infestanti dei campi e le sue sei telecamere di bordo forniscono una distanza del campione a terra di 0,39 mm per pixel, consentendo all’unità di vedere le singole goccioline d’acqua sulle foglie e i primi segni di un’epidemia. Un altro robot smaschera, invece, ogni potenziale erba infestante e impiega l’elettricità per debellarla, senza usare sostanze chimiche. Mentre un altro robot – che utilizza l’AI Advice Engine dell’azienda – crea mappe di trattamento per consigliare gli agricoltori in termini di migliori azioni da intraprendere, ottimizzando le applicazioni di erbicidi e fertilizzanti.
A fronte di quanto sopra appena descritto e, considerando i notevoli cambiamenti in atto in termini di clima, ambiente e bisogni alimentari globali, l’AI è destinata a trasformare l’agricoltura del XXI secolo. Ovvero sarà in grado di:
- Aumentare l’efficienza di tempo, manodopera e risorse.
- Migliorare la sostenibilità ambientale.
- Rendere l’allocazione delle risorse “più intelligente”.
- Fornire un monitoraggio in tempo reale per promuovere una maggiore salute e qualità dei prodotti.
Naturalmente, ciò richiederà alcuni cambiamenti nel settore agricolo e implicherà investimenti tecnici e educativi da parte degli agricoltori.
AI nell’industria alimentare e nella ristorazione
Anche il settore dell’industria alimentare e della ristorazione può trarre enormi benefici dall’impiego dell’AI, machine learning e deep learning in termini di ottimizzazione, automatizzazione e miglioramento dei prodotti e servizi. Ma vediamo in che termini.
Classificazione del prodotto e del confezionamento
L’ordinazione e il confezionamento appropriati degli alimenti rappresentano uno dei lavori più faticosi e dispendiosi in termini di tempo per le unità di produzione nel settore della trasformazione degli alimenti. Oggigiorno, tale attività può essere svolta da sistemi basati sull’AI, riducendo la possibilità di errore e aumentando sostanzialmente il tasso di produzione del settore. Inoltre, è doveroso ricordare che già ora la maggior parte delle operazioni di smistamento e confezionamento dei prodotti sono eseguite da sistemi automatizzati che permettono alle industrie di trarre vantaggio dall’impiego di tali sistemi decisionali intelligenti in termini di tassi di produzione più rapidi, prodotti di qualità superiore e costi di manodopera inferiori.
Ancora, i sistemi decisionali intelligenti basati sull’AI utilizzano una serie di strumenti e metodologie, quali i sistemi basati su tecnologia laser, su raggi X, su telecamere ad alta risoluzione e su spettroscopia a infrarossi. Inoltre, nel canale di input, queste tecniche e tecnologie sono utilizzate per valutare ogni elemento dei prodotti alimentari rispetto ai sistemi convenzionali che erano in grado di distinguere tra articoli eccellenti e cattivi solo in base al loro aspetto.
Gestione della catena della domanda e dell’offerta
Le aziende alimentari sono sempre più focalizzate sulle norme di sicurezza alimentare e, pertanto, devono garantire la trasparenza delle modalità di viaggio degli alimenti nel sistema di filiera. In tal senso, l’IA viene utilizzata per monitorare ogni fase del processo, prevedere e monitorare l’intero iter dei prodotti, i.e. da dove sono coltivati fino a dove i clienti li acquisiscono. Inoltre, i sistemi basati sull’AI permettono di effettuare la prenotazione del trasporto, la fatturazione e la gestione dell’inventario, evitando così l’acquisizione di un gran numero di prodotti alimentari non necessari e il deperimento delle derrate.
Previsione delle attività utilizzando l’AI e il machine learning
Sia la qualità del cibo e dei servizi forniti dalle attività di ristorazione o da un punto vendita alimentare sia la capacità di previsione delle vendite sono aspetti fondamentali. Di fatto, il proprietario di una catena alimentare o di un ristorante deve sviluppare un solido piano aziendale per programmare la propria attività al fine di migliorarne lo sviluppo e i profitti. Grazie all’AI e al machine learning è possibile utilizzare più algoritmi di adattamento flussi per raggiungere una previsione accurata delle vendite a 5/10 mesi e assicurarsi margini di errore minimi.
Uso dell’AI nei sistemi di self-ordering
I sistemi point-of-sale (o self-service) – che utilizzano l’AI per aiutare i clienti nell’acquisto, fornendo informazioni precise sui sapori o sulle ingredienti utilizzati, sulle loro preferenze – si stanno sempre più diffondendo. Inoltre, la tecnologia è di supporto ai ristoranti nel gestire problemi come carenza di personale, coinvolgimento dei clienti e ordini errati. Ad esempio, la catena di fast-food americana KFC sta sperimentando chioschi dotati di tecnologia di identificazione facciale in grado di riconoscere i clienti abituali e personalizzare la loro esperienza in base alle loro preferenze. Ovviamente, il riconoscimento facciale non è una soluzione accessibile a tutti, ma ci sono numerosi modi in cui utilizzare l’AI per migliorare l’esperienza culinaria dei clienti. Tra questi, ad esempio, gli ordini online e il marketing digitale grazie ai dati dei clienti che possono essere elaborati dall’AI per offrire un servizio personalizzato, dare consigli sui piatti e creare pubblicità mirata.
Intelligenza artificiale (AI) per la gestione degli sprechi alimentari
Un terzo di tutti gli sprechi alimentari generati a livello globale proviene dall’industria della ristorazione, con impatti economici non solo per il ristorante, ma anche per l’ambiente. Le tecnologie di AI e machine learning si stanno rivelando preziose e strategiche anche nella gestione degli sprechi e dei rifiuti sino a ritenere che grazie ad esse si possano ridurre drasticamente gli sprechi alimentari entro il 2030. Di fatto, grandi aziende alimentari hanno iniziato a utilizzare bilance intelligenti, telecamere intelligenti per ridurre gli sprechi alimentari e controllare la qualità degli alimenti e riconoscere il cibo gettato.
Inoltre, l’AI è anche in grado di risolvere problemi di prodotti che non rientrano nelle specifiche standard dato che ha la capacità di considerare più cause potenziali di quanto la mente umana sia in grado di fare. In Europa, ad esempio, un panificio ha recentemente utilizzato un software della società israeliana Seebo per risolvere un problema sulla linea di produzione relativo a un prodotto che continuava ad essere sottopeso. Il software è stato in grado di isolare due parametri che si correlavano costantemente con il sottopeso, i.e. temperatura di cottura superiore a 400°F e velocità del nastro trasportatore inferiore a 5 metri al secondo. Una volta corretti questi parametri, i prodotti sottopeso sono scesi dal 7,4% della produzione al 2,2%, con un risparmio annuo di circa 1 milione di dollari.
Pulire in modo innovativo i macchinari dell’industria alimentare
Il Clean-in-place (CIP) è un metodo efficiente ed efficace per pulire le apparecchiature oltre ad utilizzare sensori a ultrasuoni e UV per ridurre il consumo di acqua. I sensori a ultrasuoni sono fissati all’esterno di tubi e di apparecchiature, mentre il sistema UV è installato nella parte superiore di un serbatoio e comprende lampade UV e una telecamera. Entrambe le tecnologie monitorano le incrostazioni su una superficie e addestrano modelli di AI per rilevare quando tutte le incrostazioni sono state eliminate.
Utilizzo di robot per la preparazione di menu
Si prevede che, nel prossimo futuro, saranno sempre più impiegati chef robot in grado di preparare autonomamente il cibo ordinato tramite un app soprattutto a causa di una crescente carenza di manodopera e un focus sulla sicurezza post-pandemia. In questo modo, il personale sarà in grado di prestare particolare attenzione agli ospiti e fornire loro la migliore esperienza possibile, a ricordare che, nonostante tutto ciò di cui l’AI è capace, non riuscirà mai a imitare il “tocco umano”.
Conclusioni
Le nuove funzionalità digitali, l’AI e la robotica, ci offrono un’opportunità unica e immediata per trasformare l’agricoltura e il settore alimentare e accelerare il debellamento della fame nel mondo. Secondo una ricerca del US National Restaurant Association Research and Knowledge Group, anche l’industria della ristorazione è destinata a cambiare drasticamente entro il 2030. In un decennio, potrebbe essere possibile per un individuo avvicinarsi a un drive-through in un veicolo autonomo, ordinare tramite un assistente vocale basato sull’AI e mangiare cibo preparato dai robot. L’automazione e la robotica diventeranno sempre più presenti nei ristoranti e tecnologie come i chioschi per l’ordinazione touchscreen stanno già spuntando e continueranno a diffondersi.
Inevitabilmente, a fronte della crescente presenza di attrezzature robotiche e automatizzate sarà richiesto agli addetti ai lavori dei vari settori di avere una spiccata cultura della resilienza quale calibrata sintesi dell’incorporazione dei principi di risk management, business continuity e cybersecurity, in quanto diventeranno più vulnerabili all’hacking, al sabotaggio e allo spionaggio aziendale.
Inoltre, è doveroso ricordare che le applicazioni di AI avranno successo nel settore dell’agricoltura, dell’industria alimentare e della ristorazione solamente se le soluzioni adottate rispetteranno contemporaneamente tre requisiti. Ovvero, dovranno essere: affidabili dal punto di vista tecnico; praticabili a livello socio-economico; socialmente ed eticamente accettabili.
L’AI è uno strumento come altre tecnologie e, per questo, deve convertirsi in leva strategica neutrale a nostra disposizione da utilizzare per:
- migliorare l’efficienza dell’agricoltura;
- ridurre l’impatto ambientale delle pratiche agricole e dell’industria alimentare e della ristorazione;
- garantire la resilienza strategica di questi settori a livello globale.
Come ha dichiarato Janusz Wojciechowski – Commissario europeo per l’Agricoltura – in occasione dell’audizione pubblica congiunta della Commissione speciale sull’intelligenza artificiale in un’era digitale (AIDA- Artificial Intelligence in a Digital Age) e della Commissione per l’agricoltura e lo sviluppo rurale (AGRI- Agriculture and Rural Development) tenutasi a Bruxelles nel luglio 2021: “Abbiamo bisogno di risposte lungimiranti, basate su soluzioni intelligenti che ottimizzino le nostre risorse e affrontino molteplici obiettivi – ambiente, clima, economia e salute – allo stesso tempo con opportunità eque per tutti – senza lasciare indietro nessuno”.
Di fatto, per ottimizzare l’agricoltura, ridurre l’impatto ambientale della produzione alimentare e della ristorazione dobbiamo migliorare i nostri metodi e sistemi e la chiave di questo è la condivisione dei dati. Tuttavia, per condividere i dati, è necessario un alto livello di fiducia nei dati stessi, anche tra i vari attori coinvolti. Ne consegue che diventa fondamentale considerare dove risiede il potere in questi sistemi, in che modo le grandi aziende, le piccole aziende e i singoli consumatori potrebbero essere influenzati positivamente o negativamente. Si tratta di garantire una corretta gestione di diversi aspetti etici quali: sostenibilità e benessere, privacy e trasparenza a sottolineare ancora una volta l’importanza dell’innovazione responsabile e antropocentrica.
