leaf

Il progetto nasce tra le mura del Politecnico di Bari, quando i quattro fondatori iniziano a sviluppare un progetto per il corso di IoT. L’obiettivo del progetto è da sempre stato quello di dare una svolta tecnologica all’agricoltura, volta a preservare l’ambiente. L’amministratore e ideatore del progetto, Michele Marvulli, ha fin da bambino vissuto in un contesto a stretto contatto con il settore agricolo e, osservandolo con occhio critico, ha maturato l'idea e la necessità di sviluppare un ecosistema software e hardware che fosse in grado di gestire in maniera intelligente e automatizzare le coltivazioni, sia in terra che fuori suolo. Attraverso un ecosistema di questo tipo, l'obiettivo è di fornire agli agricoltori uno strumento che gli consenta di svolgere il proprio lavoro in modo più sostenibile, risparmiando risorse essenziali, quali acqua e fertilizzanti, e ottenendo un consistente vantaggio economico. 

La necessità di cambiamento trova, altresì, giustificazione nell'analisi del mercato e nella considerazione delle evoluzioni dell’attuale crisi climatica: numerose, infatti, sono le aziende agricole in Italia e in Europa che devono fare i conti con i danni causati dai cambiamenti climatici e con la necessità di cambiare le tecniche di coltivazione tradizionali. Sono state condotte, infatti, mirate analisi di mercato accompagnate da interviste dirette con lo scopo di analizzare nel dettaglio i problemi individuati e la condizione in cui versa il settore agricolo a causa degli aspetti climatici, senza trascurare lo studio della possibile accettazione della soluzione da parte di agricoltori ed agronomi, in qualità di esperti del settore. 

I riscontri ottenuti dall'analisi del contesto hanno condotto il team ala progettazione e alla realizzazione di un prototipo per il quale gli elementi caratterizzanti risultano particolarmente vincenti rispetto a quelli dei competitor. Nello specifico, la soluzione proposta ha una componente software e una componente hardware, entrambe sviluppate grazie alle competenze tecniche dei membri del team.

Lo scopo del sistema leaf è quello di rendere completamente automatizzate coltivazioni fuori suolo e in suolo, permettendo agli agricoltori di coltivare cibo in modo più sostenibile sia a livello ambientale che economico.

Tale scopo viene raggiunto tramite un ecosistema di dispositivi hardware controllati da un software proprietario semplice e intuitivo. Attualmente i dispositivi progettati e realizzati sotto forma di MVP sono due, in particolare:

- Hydro è un fertirrigatore smart che permette di creare con estrema precisione e in modo automatico una soluzione nutritiva per le piante. Grazie alla costante misurazione di parametri quali EC e pH, Hydro può eseguire delle operazioni automatiche che gli permettono di mantenerli stabili, migliorando le possibilità di sopravvivenza delle piante. 

- Control è un dispositivo alimentato a batteria e non che permette di monitorare parametri ambientali o del substrato di coltivazione, permettendo anche l’automatizzazione di strumenti di terze parti. In particolare, tali strumenti si collegano ad un altro Control che, sulla base di parametri rilevati, li accenderà o li spegnerà.

Gli MVP sono stati realizzati tramite l’uso di microcontrollori e sensori facilmente reperibili sul mercato, installati su una PCB proprietaria progettata appositamente.

Sono attualmente in corso degli esperimenti in coltivazioni reali. Un esempio ne è una coltivazione di Cannabis oggetto di studio universitario. A breve verranno avviate coltivazioni di microgreens, settore in forte espansione dato l’elevato valore nutritivo delle piante coltivate. 

Tramite i nostri sistemi l’agricoltore si vede alleggerito da molti compiti che richiedono lavoro manuale e precisione, quali ad esempio la creazione della soluzione fertirrigata giornaliera.

Nonostante il sistema progettato e sviluppato sia adatto ad ogni tipo di coltivazione, si è deciso di settorializzarlo seguendo una tecnica di marketing “a imbuto” partendo da settori specifici come quello delle piante officinali e dei microgreens, entrambe tipologie di piante ad alta redditività e che richiedono una precisione eccezionale nei dosaggi.

Il sistema sviluppato ha attualmente dei limiti dovuti alla fase dello sviluppo, risolvibili tramite un processo di ingegnerizzazione. I dispositivi attualmente sviluppati sono inoltre i primi di una serie di soluzioni in fase di progettazione. Il salvataggio dei dati permetterà l’applicazione del machine learning e l'IA per dare suggerimenti agli agricoltori e fare analisi predittive sull'insorgenza di eventuali malattie delle piante.