Previsione di malattie e stress, soglie d'intervento e bollettini fitosanitari: ricerca, modello, validazione e integrazione in iAgro — con validazione di un agronomo prima che un'indicazione raggiunga il campo.
Ogni modello nasce dalla ricerca bibliografica, si costruisce sui parametri pubblicati, si valida con metriche statistiche e — solo dopo il via libera di un agronomo — si integra in iAgro.
# Agrobit — pipeline Agronomia & DSS 1. Ricerca bibliografica # modelli esistenti, parametri validati, gap ▼ 2. Costruzione modello # equazioni, parametri con fonte, soglie ▼ 2b. Validazione # RMSE / MAE / indice d di Willmott ▼ GATE: validazione di un agronomo umano ▼ 3. Integrazione iAgro # specifiche → Dev pipeline (cv-ml-engineer)
Qui si progetta e si valida il modello. Il codice di produzione e il training della computer vision sono della Dev pipeline (cv-ml-engineer, cv-agronomy-validator). Confini netti, nessuna duplicazione.
Un orchestratore coordina quattro specialisti, allineati al metodo agronomico: ricerca obbligatoria, modello, validazione, integrazione.
agro-orchestratorliterature-researcherdisease-modelermodel-validatoriagro-integratorDalla previsione delle malattie al bilancio idrico: ogni modello poggia su parametri pubblicati e va calibrato localmente prima dell'uso.
Mills, RIMpro, Blitecast, Magarey, Botcast: peronospora, oidio, ticchiolatura, botrite su base meteo e bagnatura fogliare.
SIR, SEIR e compartimentali per la diffusione della malattia nella popolazione vegetale.
Growing Degree Days e scala BBCH per sincronizzare rischio e interventi con lo sviluppo della coltura.
FAO-56 (Penman-Monteith) e CWSI, in sinergia con le mappe termiche da drone (iDrone).
Bilancio dell'azoto e NUE per una concimazione mirata, meno input e meno impatto.
Random Forest e reti neurali per la classificazione dei sintomi, quando i dati lo giustificano.
Catalogo completo e fonti in catalog/modelli-fitopatologici.yml. Colture prioritarie: vite, olivo, melo/pero, pomodoro/patata, agrumi.
Gli output diventano indicazioni reali per gli agricoltori: per questo ogni modello è tracciabile a una fonte e validato prima di essere usato.
Coltura, patogeno o fenomeno, area e obiettivo. Verifica catalog/modelli-fitopatologici.yml.
Il literature-researcher prepara il report; il disease-modeler costruisce il modello con parametri tracciabili.
Il model-validator calcola le metriche; un agronomo valida prima di procedere.
L'iagro-integrator passa le specifiche alla Dev pipeline (cv-ml-engineer, cv-agronomy-validator).