UniTriRob: un modello di regressione di apprendimento automatico robusto per prevedere le rese di lattuga nell’agricoltura verticale aeroponica

Perché le fattorie di lattuga più intelligenti sono importanti

Nutrire le città con verdure fresche tutto l’anno è difficile quando terra, acqua e clima sono sotto pressione. Le fattorie verticali aeroponiche coltivano lattuga in torri interne alte usando nebbia invece del suolo, risparmiando spazio e acqua. Ma ottenere raccolti affidabili da queste aziende high-tech significa sapere in anticipo quanta lattuga produrranno. Questo studio introduce un nuovo modo di prevedere le rese di lattuga in modo più accurato, aiutando gli agricoltori a pianificare meglio usando meno risorse.

Coltivare l’insalata nell’aria

Nell’agricoltura verticale aeroponica, le piante di lattuga sono disposte in colonne impilate e le loro radici pendono nell’aria, spruzzate regolarmente da una nebbia ricca di nutrienti. Poiché tutto, dalla temperatura e umidità alla luce, al pH e alla concentrazione dei nutrienti, può essere regolato con precisione, gli agricoltori possono coltivare lattuga rapidamente usando meno acqua rispetto ai campi tradizionali. Il rovescio della medaglia è che tali sistemi strettamente controllati sono sorprendentemente sensibili. Piccoli malfunzionamenti nei sensori o brevi oscillazioni nelle condizioni possono distorcere le misure, rendendo difficile fidarsi di strumenti di previsione semplici che presumono dati puliti e stabili.

Perché la matematica usuale non basta

Un modello in tre parti progettato per ignorare i dati cattivi

Gli autori hanno progettato un nuovo quadro di regressione chiamato UniTriRob che combina tre tecniche robuste in un unico modello. Una parte riduce delicatamente l’influenza delle piccole anomalie; un’altra esegue adattamenti ripetuti scartando gli outlier evidenti; la terza si basa sulle mediane anziché sulle medie per resistere ai punti estremi. Insieme riducono il peso delle letture sospette invece di lasciarle dominare il risultato. Il modello è stato addestrato su oltre 50.000 registrazioni con timestamp raccolte ogni 15 minuti durante diversi cicli di crescita della lattuga in una torre aeroponica, catturando come le condizioni chiave sono cambiate nel tempo e come tali variazioni hanno influenzato la resa finale.

Testare il modello in una fattoria operativa

Dopo un’attenta pulizia e visualizzazione dei dati, i ricercatori hanno diviso i loro record in set di addestramento e di test. Hanno quindi confrontato UniTriRob con una serie di alternative comuni, incluse regressioni lineari e polinomiali, support vector regression e diversi metodi robusti usati singolarmente. Utilizzando misure come l’errore quadratico medio, l’errore assoluto medio e la percentuale di errore, UniTriRob ha costantemente prodotto previsioni più vicine al peso effettivamente raccolto della lattuga. Ha spiegato circa il 98% della variabilità della resa, riducendo i tassi di errore di circa un quinto o un quarto rispetto ai modelli standard, e lo ha fatto con tempi di calcolo ragionevoli, rendendolo pratico per i sistemi di controllo delle fattorie reali.

Cosa significa per le future fattorie urbane

Previsioni di resa più accurate permettono agli agricoltori indoor di regolare con precisione irrigazione, nutrienti e illuminazione invece di affidarsi al caso. In questo studio, il modello robusto ha aiutato a evidenziare quali fattori erano più importanti e ha suggerito modi per ridurre l’uso di risorse, ad esempio abbassando il consumo d’acqua fino al 40% nelle prove pilota. Gli autori sottolineano che i loro risultati si applicano alla lattuga coltivata in un particolare allestimento aeroponico e che sono necessari ulteriori studi per testare altre colture e sistemi. Tuttavia, UniTriRob dimostra che trattare con cura i dati sensoriali rumorosi può rendere le fattorie verticali high-tech più prevedibili, efficienti e più adatte a fornire cibo fresco alle città affollate.

Citazione: Rajendiran, G., Rethnaraj, J., Zade, S. et al. UniTriRob: a robust machine learning regression model for predicting lettuce yields in aeroponic vertical farming. Sci Rep 16, 15791 (2026). https://doi.org/10.1038/s41598-026-44564-8

Parole chiave: lattuga aeroponica, agricoltura verticale, previsione delle rese, regressione robusta, agricoltura intelligente