La soluzione IoT proposta consente di ottimizzare la gestione delle coltivazioni, migliorandone la pianificazione e predicendo il momento ottimale per la raccolta dei coni di luppolo. Grazie all’analisi dei dati raccolti dalla piattaforma e agli algoritmi di ML, è possibile pianificare la raccolta, massimizzando la qualità e la resa del prodotto migliorando l’efficienza delle risorse.

In Agricultura di Precisione, l’uso di algoritmi basati su Machine Learning (ML) offre un supporto decisionale, per migliorare la qualità e la resa.
La nostra soluzione si basa sullo sviluppo di una piattaforma Internet of Things (IoT) per monitorare e raccogliere dati provenienti dalla piattaforma esterna XFarm, mediante l’implementazione di un connettore verso le API di XFarm, integrando, in dettaglio, i dati da 25 sensori installati in un luppoleto (varietà Cascade) presso l’azienda agricola “Ludovico Lucchi” a Modena. I dati raccolti sono stati elaborati al fine di calcolare indicatori agronomici (es. il Growing Degree Days, GDD) a supporto della predizione del periodo ottimale per la raccolta del luppolo. Per raggiungere l’obiettivo è stato necessario raccogliere dati sulla cinetica di maturazione del cono attraverso dati chemiometrici (acidi amari, contenuto in olio e profilo aromatico). Il dataset successivamente è stato utilizzato per l’addestramento di algoritmi di ML. In dettaglio, è stato sviluppato un algoritmo di tipo Linear Regression, addestrato sui dati del periodo 2019-2023 per predire il periodo ottimale di raccolta (applicato alla stagione 2024). Al fine di ridurre il numero di input del dataset è stato implementato un algoritmo di Principal Component Analysis (PCA). I dati predetti dal Linear Regressor sono stati utilizzati come input per un classificatore supervisionato, addestrato su dati etichettati (hop immaturo, hop maturo, hop in overripe) dal 2021 al 2023.