Il progetto GAINS rientra tra le tematiche promosse da NODES. ecosistema, con particolare riferimento alla sostenibilità e alla trasformazione digitale nel settore agro-industriale. L’obiettivo principale è sviluppare un servizio di agricoltura intelligente basato sull’applicazione di modelli predittivi Modelli di AI e Machine Learning per supportare la coltivazione del grano. In questo contesto, GAINS promuove una digitalizzazione avanzata dei processi agronomici attraverso metodi di estrazione e trattamento automatizzato dei dati ambientali e colturali, facilitando la diagnosi precoce e la conseguente ottimizzazione delle pratiche produttive in termini di efficienza e sostenibilità.

Il progetto è realizzato congiuntamente da Abika e Primo Principio, aziende che hanno maturato una solida esperienza nella ricerca industriale, nello sviluppo tecnologico e nell’innovazione a livello nazionale ed europeo, in particolare nei settori dell’agricoltura di precisione e della sostenibilità ambientale.

Dal punto di vista tecnico, i modelli sviluppati collegheranno dati satellitari, DSS meccanicistici, sensori di campo e fonti ausiliarie (ad esempio UAV/droni) per creare una piattaforma integrata di supporto alle decisioni in grado di assistere l’utente lungo l’intero ciclo colturale. Il progetto si concentra sul miglioramento dell’interpretazione delle immagini satellitari, confrontandole con i dati acquisiti in situ, e sulla progressiva riduzione degli input manuali richiesti all’utente.

I principali risultati attesi includono: un aumento dell’efficienza della fertilizzazione in relazione alle previsioni di resa e contenuto proteico; una maggiore accuratezza nella stima degli stress idrici, nutrizionali e fisiologici; la simulazione della crescita colturale e la previsione qualitativa e quantitativa della biomassa prodotta; nonché l’identificazione automatica delle macro-fasi fenologiche (inizio, fine e durata del ciclo) attraverso l’analisi di indici di vegetazione, come l’NDVI.

All’interno del progetto, Abika svolge un ruolo centrale nelle attività di ricerca, sviluppo e integrazione tecnologica. In particolare, contribuisce alla progettazione e implementazione di algoritmi di machine learning per il riconoscimento automatico dei principali parametri agronomici della coltivazione del grano, alla loro validazione su dati eterogenei provenienti da sensori e osservazioni remote, e alla successiva integrazione in una piattaforma DSS prototipale. Questo contributo include inoltre lo sviluppo di componenti software, la logica di interoperabilità tra modelli e fonti dati e funzionalità di supporto alle decisioni orientate all’utente finale, rafforzando l’impatto digitale e applicativo dei risultati del progetto.