Robot con IA raccoglie pomodori con l’81% di successo: ecco come ci riesce

Date:

Un robot con intelligenza artificiale impara a raccogliere pomodori in modo più efficiente

La raccolta robotizzata dei pomodori sta facendo un salto di qualità notevole. Un gruppo di ricercatori della Osaka Metropolitan University ha sviluppato un sistema che non si limita a individuare i frutti maturi, ma valuta in anticipo quanto sarà facile raccoglierli. Sembra una distinzione sottile, eppure cambia tutto. Il robot agricolo in questione, guidato da un modello di intelligenza artificiale, ha raggiunto un tasso di successo dell’81% nei test, superando le aspettative del team di ricerca. E la cosa interessante è che, quando il primo tentativo di raccolta fallisce, il robot cambia angolazione e riprova da un’altra direzione. Circa un quarto delle raccolte riuscite è avvenuto proprio così, con un secondo approccio laterale dopo che quello frontale non aveva funzionato.

Il merito va al professor Takuya Fujinaga, che ha messo a punto un approccio combinando riconoscimento visivo e analisi statistica. Il robot analizza diversi dettagli: il pomodoro stesso, i gambi, la presenza di foglie che ostacolano la presa, la posizione all’interno del grappolo. Tutti questi elementi vengono elaborati per scegliere la strategia migliore prima ancora di muovere il braccio meccanico.

Dalla semplice identificazione alla stima della facilità di raccolta

Qui sta il vero cambio di paradigma. I sistemi tradizionali di raccolta automatizzata si concentrano sull’identificare il frutto maturo e provare ad afferrarlo. Punto. Il sistema di Fujinaga invece introduce quello che viene definito “harvest ease estimation”, ovvero una stima della facilità di raccolta. Non ci si chiede più soltanto “il robot riesce a prendere quel pomodoro?”, ma piuttosto “con quale probabilità la raccolta andrà a buon fine?”. Una domanda molto più utile quando si lavora in contesti reali, dove ogni grappolo è diverso dall’altro e le variabili sono tantissime.

I pomodori, del resto, non crescono come le mele su un albero. Sono raggruppati in cluster, spesso nascosti tra le foglie, con gambi di forme e posizioni imprevedibili. Per una macchina, gestire tutta questa complessità richiede un livello di decisione che fino a poco tempo fa era impensabile. Il fatto che questo robot riesca ad adattarsi in tempo reale, valutando e rivalutando la situazione, rappresenta un passo avanti significativo per l’intera agricoltura di precisione.

Verso una collaborazione tra robot e agricoltori

La visione di Fujinaga per il futuro non prevede campi completamente automatizzati dove le persone non servono più. Al contrario, il ricercatore immagina una forma di collaborazione tra robot e agricoltori dove ciascuno fa quello che sa fare meglio. I robot si occuperebbero dei pomodori più accessibili, quelli che il sistema identifica come facili da raccogliere. Gli esseri umani, invece, gestirebbero i frutti più complicati, quelli nascosti o in posizioni difficili da raggiungere per un braccio meccanico.

La ricerca, pubblicata sulla rivista Smart Agricultural Technology nel marzo 2026, stabilisce la facilità di raccolta come parametro misurabile e quantificabile. Può sembrare un dettaglio tecnico, ma in realtà apre la strada a robot agricoli capaci di prendere decisioni autonome e intelligenti. Con la carenza di manodopera che continua a colpire il settore agricolo in tutto il mondo, soluzioni come questa non sono più fantascienza. Sono necessità concrete, e questo robot che raccoglie pomodori pensando prima di agire ne è la dimostrazione più convincente.

Share post:

Subscribe

spot_imgspot_img

Popular

More like this
Related

iPhone 18 Pro: 12 novità che cambieranno tutto nel 2026

iPhone 18 Pro: tutte le novità attese per il lancio previsto a settembre 2026 Mancano ancora diversi mesi, eppure le indiscrezioni sull'iPhone 18 Pro e sull'iPhone 18 Pro Max hanno già raggiunto un livello di dettaglio notevole. Parliamo di due dispositivi che, stando ai rumors più recenti,...

7.000 GPU per simulare un chip quantistico: cosa è successo al Berkeley Lab

Quasi 7.000 GPU per simulare un chip quantistico: cosa è successo al Berkeley Lab La simulazione di un chip quantistico con un livello di dettaglio mai raggiunto prima. È questo il risultato ottenuto da un gruppo di ricercatori del Berkeley Lab, che ha sfruttato la potenza di quasi 7.000 GPU per...

Apple blocca gli aggiornamenti delle app di vibe coding: cosa sta succedendo

Apple blocca gli aggiornamenti delle app di vibe coding: ecco cosa sta succedendo Le app di vibe coding stanno vivendo un momento complicato sull'App Store. Apple ha silenziosamente impedito ad alcune delle più popolari, tra cui Replit e Vibecode, di pubblicare aggiornamenti, a meno che non...

Apple può rimuovere qualsiasi app “con o senza motivo”: il caso Musi

Apple vince la causa contro Musi: l'App Store può rimuovere qualsiasi app "con o senza motivo" La rimozione di Musi dall'App Store è stata legittima, e un giudice federale lo ha confermato in modo netto. La causa intentata dall'app di streaming musicale contro Apple si è conclusa con una vittoria...