Robotica e piccoli frutti: dal laboratorio al campo

Jorge Duarte | Hortitool Consulting 

Carenza di manodopera, aumento dei costi, standard qualitativi più severi. I produttori europei di piccoli frutti conoscono bene questa pressione. I robot non sono più una promessa lontana — raccolgono lamponi in Portogallo, scansionano mirtilli in Germania e si muovono nei tunnel di fragole nel Regno Unito. Ecco a che punto è oggi la tecnologia e cosa significa per i produttori di tutta Europa.

Camminando in una piantagione di lamponi a Odemira, in Portogallo, in una mattina di agosto, si potrebbe notare qualcosa di insolito tra le canne cariche di frutti. Quattro bracci articolati si muovono con regolarità lungo una spalliera verticale, fermandosi davanti a ogni frutto maturo, afferrandone il peduncolo — non il frutto — e depositandolo con precisione in un vassoio di raccolta. Nessun lavoratore. Nessuna fatica. Nessuna pausa tè. La macchina lavora tutta la notte.

Non si tratta di un prototipo da fiera. Fieldwork Robotics, spin-out dell’Università di Plymouth, impiega commercialmente dal 2022 il proprio robot raccoglitore di lamponi a quattro bracci in aziende portoghesi, in collaborazione con produttori tra cui Lusomorango e Driscoll’s. 

La stessa azienda ha presentato nel 2024 il Fieldworker 1 di nuova generazione, progettato per eguagliare la velocità di raccolta umana utilizzando al tempo stesso l’analisi delle frequenze spettrali per valutare la maturazione dei frutti in modo più accurato rispetto all’occhio umano.

Il Portogallo non è solo. In tutta Europa — nei tunnel per fragole britannici, nelle serre olandesi, nelle aziende sperimentali tedesche e nei campi norvegesi — è in corso una trasformazione silenziosa ma in accelerazione nel modo in cui i piccoli frutti vengono raccolti, selezionati e gestiti. 

Per i produttori italiani la domanda non è se questa tecnologia arriverà. È se saranno pronti quando arriverà.

Un settore sotto pressione

Per capire perché la robotica stia avanzando così rapidamente nel settore dei piccoli frutti, bisogna partire dall’aritmetica della manodopera. In Italia, un raccoglitore stagionale qualificato costa tra 15 e 20 euro all’ora in termini di costo totale del lavoro. 

Nel Regno Unito, i raccoglitori esperti di fragole raccolgono tra 15 e 30 chilogrammi all’ora — e il settore aveva bisogno di circa 63.000 lavoratori stagionali all’anno già prima che la Brexit ridisegnasse il bacino di manodopera disponibile.

I numeri stanno diventando sempre più difficili da far quadrare. L’Autorità europea del lavoro (2024) ha identificato la raccolta agricola e orticola tra le professioni più colpite dalla carenza di manodopera in tutti i 31 Paesi membri EURES. 

Nel sondaggio 2024 di Fruit Growers News, solo il 46% degli intervistati ha dichiarato di disporre di manodopera adeguata — in calo rispetto al 59% del 2019. La tendenza è strutturale, non ciclica.

Thomas AmRhein, uno degli osservatori più attenti dell’adozione della robotica nella coltivazione dei piccoli frutti, ha individuato tre ostacoli che rallentano ancora la diffusione: incompatibilità dei sistemi produttivi, genetica varietale non ottimizzata per la raccolta meccanica e — fino a poco tempo fa — una disponibilità di manodopera scarsa ma ancora sufficiente a impedire ai produttori di compiere il salto. Quel margine si sta riducendo rapidamente (Italian Berry, 2022).

“I produttori che comprendono oggi questa tecnologia avranno un vantaggio decisivo su tutti gli altri.”

Come le macchine vedono il frutto

Chiedete a qualsiasi ingegnere robotico quale sia la parte più difficile della raccolta di un lampone, e la risposta non sarà quasi mai la meccanica. È la visione.

Un raccoglitore umano filtra istantaneamente foglie, steli, frutti acerbi e ombre della chioma, e raggiunge esattamente il frutto giusto. Replicare tutto questo nel silicio e nel codice ha richiesto decenni di ricerca. 

La svolta è arrivata con il deep learning — reti neurali convoluzionali addestrate su migliaia di immagini di campo in diverse cultivar, condizioni di luce e stadi di maturazione. I migliori sistemi di percezione odierni raggiungono accuratezze di rilevamento dei frutti superiori al 90% in condizioni di campo commerciali (Jin et al., 2025).

I moderni robot raccoglitori combinano telecamere RGB con sensori di profondità — spesso unità Intel RealSense — per costruire una mappa tridimensionale della chioma e localizzare ogni frutto nello spazio. 

L’imaging multispettrale aggiunge un ulteriore livello: firme nel vicino infrarosso che rivelano la chimica interna del frutto, distinguendo i frutti maturi da quelli acerbi in modo più affidabile del solo colore. 

Fieldwork Robotics utilizza l’analisi delle frequenze spettrali in Fieldworker 1 proprio perché elimina la soggettività che causa incoerenze anche tra raccoglitori esperti.

La sfida che rimane è l’occlusione. Il professor Stavros Vougioukas della UC Davis lo esprime direttamente: se un robot non può vedere il 30% dei frutti perché sono nascosti sotto le foglie, non può raccoglierli. 

Il suo team sta sviluppando strategie di “visione attiva” — muovendo deliberatamente la telecamera per esplorare la chioma da più angolazioni prima di impegnarsi nella raccolta. In sostanza, si tratta di insegnare al robot a guardare come fa un essere umano (Vougioukas, 2024).

La mano che non ammacca

Vedere il frutto è una sfida. Raccoglierlo senza danni è un’altra. 

Un lampone tollera quasi nessuna forza meccanica prima che le drupeole si ammaccino e inizino a deteriorarsi. Un mirtillo può perdere la pruina — il delicato rivestimento ceroso che ne definisce l’appeal per il mercato fresco — con una sola presa mal gestita. 

Questi vincoli hanno dato origine a un’intera disciplina ingegneristica: la soft robotics.

L’approccio principale utilizza end-effector realizzati in silicone flessibile o dita morbide azionate pneumaticamente, che si conformano alla geometria del frutto invece di imporre una presa rigida. 

I ricercatori del CSIC (Consiglio Nazionale delle Ricerche spagnolo) hanno sviluppato una pinza morbida a diaframma monocanale per frutti piccoli e medi, fabbricata tramite stampa 3D in elastomero termoplastico flessibile — producibile in un unico pezzo, facile da pulire ed economica da sostituire (Navas et al., 2024).

All’Università dell’Arkansas, un team guidato da Renée Threlfall ha costruito una pinza a tre dita guidata da tendini utilizzando attuatori simili a cavi, testata su more da mercato fresco. I risultati dopo 21 giorni di conservazione a freddo sono stati accettabili per gli standard commerciali del mercato fresco. Il lavoro ha ricevuto l’Outstanding Fruit Publication Award dall’American Society for Horticultural Science (Threlfall et al., 2023).

Una delle soluzioni più creative all’occlusione dei grappoli arriva dal sistema Robofruit dell’Università di Lincoln. L’end-effector sviluppato da Parsa et al. (2023) ha 2,5 gradi di libertà, compreso un meccanismo dedicato che sposta fisicamente i frutti vicini prima che la pinza raggiunga il frutto target — una risposta meccanica diretta al problema dell’occlusione. 

Nelle prove commerciali in campo su fragola con tre diverse varietà, il sistema di percezione ha raggiunto il 95% di accuratezza nel rilevamento della maturazione.

Su ruote lungo le file

Un robot che può vedere e raccogliere deve ancora muoversi. La piattaforma mobile è la parte meno appariscente della storia, ma è fondamentale per la sostenibilità commerciale. 

La macchina deve navigare tra file progettate per esseri umani o trattori, non per robot: larghezze variabili, terreno irregolare, manichette di irrigazione a terra, pali di sostegno e qualche canna caduta.

La maggior parte dei sistemi commerciali utilizza GPS-RTK per il posizionamento in campo aperto e SLAM basato su LiDAR (Simultaneous Localisation and Mapping) per gli ambienti in tunnel. 

Fieldwork Robotics utilizza una piattaforma su binari che viaggia lungo tracce installate all’interno della struttura di coltivazione — una soluzione ad alta ripetibilità adatta ai sistemi in substrato sempre più comuni nella produzione high-tech di piccoli frutti. 

Saga Robotics, in Norvegia, che ha impiegato robot per trattamenti UV-C nei tunnel di fragole nel Regno Unito e in Norvegia, ha costruito la propria piattaforma sulla stessa logica: standardizzare il percorso di movimento, e la precisione segue naturalmente (Italian Berry, 2022).

Peso, altezza da terra e raggio di sterzata contano tutti nella pratica. Per le centrali di confezionamento, i sistemi su binari già operativi — come quelli di TOMRA e Maf Roda — dimostrano che, una volta fissato il percorso di movimento, produttività e accuratezza di classificazione scalano in modo affidabile con la qualità del software di rilevamento e selezione.

Coltura per coltura: cosa funziona, cosa no

Fragola: il fronte più avanzato

La fragola è il fronte commercialmente più maturo nella robotica per la raccolta dei piccoli frutti. Dogtooth Technologies, con sede nel Regno Unito, ha già oltre 70 robot di quarta generazione operativi in sistemi tabletop per fragola. L’azienda afferma che il suo sistema di quinta generazione, previsto per il 2024–25, raggiungerà costi di raccolta equivalenti alla manodopera manuale (Ingenia, 2024). 

Il sistema SW6010 di Agrobot, con 30 bracci robotici, opera secondo lo stesso principio: raccolta continua e ad alta produttività in una geometria di coltura strutturata.

Il vincolo per i produttori italiani è che la maggior parte dei progressi è stata progettata per il sistema di coltivazione tabletop del Nord Europa. La produzione di fragole nel Sud Italia — in gran parte ancora in sistemi a livello del suolo in Campania e Basilicata — presenta una realtà geometrica diversa. 

Adattare le piattaforme attuali alla coltivazione a terra è una sfida ingegneristica attiva che il settore non ha ancora completamente risolto.

Mirtillo: la frontiera della qualità

La robotica per la raccolta del mirtillo sta avanzando rapidamente, trainata in parte dall’economia di mercato: il mercato globale del mirtillo valeva 2,65 miliardi di dollari nel 2023 e si prevede raggiunga 4,15 miliardi di dollari entro il 2029 (Market Data Forecast, 2024). 

Per una coltura premium destinata al fresco, in cui pruina integra, colore uniforme e qualità della superficie determinano direttamente il prezzo, la capacità dei sistemi robotici di selezionare in base alla maturazione e gestire ogni frutto individualmente è un argomento commerciale convincente.

La sfida tecnica è la maturazione asincrona: i frutti all’interno dello stesso grappolo maturano in una finestra che va da giorni a settimane, richiedendo più passaggi sulla stessa pianta. 

In centrale di confezionamento, la selezione basata su AI è già operativa: BERRYSCAN G7 di Maf Roda utilizza tecnologia NIR per misurare il grado Brix su ogni singolo frutto — fondamentale per gli esportatori i cui frutti continueranno a maturare durante settimane di transito verso mercati lontani (Maf Roda, 2025). 

La raccolta selettiva in campo in base alla maturazione è il passo logico successivo, con programmi di validazione in corso in tutta Europa.

Lampone: la sfida più difficile, il bisogno più forte

Il lampone è il punto in cui il problema della manodopera è più acuto e la sfida robotica più difficile — una combinazione che ha attratto il lavoro di sviluppo più intensivo del settore. 

Martin Stoelen, fondatore di Fieldwork Robotics, ha scelto deliberatamente il lampone come primo obiettivo: se un robot può raccogliere in modo affidabile il piccolo frutto più fragile, ogni altra coltura diventa più semplice. Fieldworker 1, presentato nel 2024, è il risultato di otto anni di sviluppo iterativo in campo.

La struttura a drupeole del lampone e la shelf life di 2–3 giorni impongono vincoli ingegneristici che non si applicano altrove. Il robot non può applicare forza laterale al frutto; deve afferrare il peduncolo e staccare in modo pulito. 

La finestra operativa tra acerbo e troppo morbido da manipolare si misura in ore. E in una coltura in cui un ritardo nella raccolta significa perdita di prodotto, la capacità della macchina di lavorare durante la notte — qualcosa che nessuna forza lavoro umana può sostenere — è l’argomento commerciale più forte.

Cosa significa per l’Italia

Il settore italiano dei piccoli frutti non è monolitico, e nemmeno la sua esposizione a queste tecnologie. In Trentino-Alto Adige, la coltivazione del mirtillo si è ampliata in modo significativo, con aziende che per scala e sistema di coltivazione sono direttamente comparabili a quelle in cui la R&S robotica europea è più avanzata. 

I costi della manodopera in Italia, pari a 15–20 euro all’ora, rendono il caso economico dell’automazione convincente a una soglia che molti produttori italiani hanno già superato.

Nel Sud, il quadro è più complesso. Unità aziendali più piccole, sistemi di fragola a livello del suolo e produttori abituati a gestire la manodopera stagionale attraverso relazioni di fornitura consolidate richiederanno tecnologie che si adattino alle infrastrutture esistenti. 

La modularità e l’adattabilità delle piattaforme di nuova generazione — progettate per lavorare su diversi sistemi di coltivazione invece di richiedere un unico formato standard — sono una risposta ingegneristica diretta a questa realtà.

Un’area in cui le aziende italiane possono impegnarsi immediatamente è l’automazione post-raccolta. 

I sistemi di selezione e classificazione basati su AI sono oggi disponibili commercialmente ed economicamente provati. Il selezionatore per mirtilli KATO260 di TOMRA, utilizzato da Logofruits ad Alcácer in Portogallo, seleziona fino a 572 frutti al secondo e ha ridotto quasi a zero i tassi di contestazione dei clienti (TOMRA, 2024). 

Maf Roda ha presentato la propria linea completa per il post-raccolta del mirtillo a Macfrut 2025, con BERRYSCAN G7 già operativo in diverse aziende europee. Per molti produttori italiani, il post-raccolta è il punto di partenza del percorso di automazione.

L’argomento della tracciabilità sta diventando commercialmente decisivo. Dati di raccolta con timestamp, registrazioni della resa per passaggio e mappe di distribuzione della maturazione generate automaticamente dai sistemi robotici fanno parte di ciò che i principali retailer europei si aspettano sempre più dai fornitori di piccoli frutti. 

I produttori che possono fornire questi dati sono meglio posizionati nelle negoziazioni contrattuali e negli audit di filiera.

I prossimi anni

Stoelen ha descritto la prima generazione di robot per lamponi come complementare, non sostitutiva: “Questi primi robot non sostituiranno la manodopera manuale. Ci aspettiamo che raccolgano i frutti più accessibili, mentre i raccoglitori umani copriranno il resto” (Italian Berry, 2020). 

Questo modello — uomo e macchina che lavorano insieme — resta il quadro realistico di breve periodo per la maggior parte delle aziende di piccoli frutti.

Ciò che sta cambiando è l’equilibrio. Ogni generazione di sistemi è più veloce, più accurata, più capace meccanicamente e meno costosa da produrre. 

Parsa et al. (2023) hanno raggiunto il 95% di accuratezza di rilevamento in campi commerciali di fragola. Fieldwork Robotics dichiara la parità con la velocità di raccolta umana nel 2024. La traiettoria è inequivocabile.

Per i produttori italiani, l’agenda pratica è chiara: comprendere quali sistemi di coltivazione sono compatibili con le piattaforme attuali; investire nell’automazione post-raccolta disponibile oggi; seguire i programmi di validazione in campo in corso in Portogallo, Spagna e Regno Unito; e pianificare infrastrutture produttive che non richiederanno una completa ricostruzione quando la robotica in campo arriverà su scala commerciale.

I frutti sono già lì. I robot stanno imparando a raccoglierli.

“I prossimi anni saranno decisivi. I principali ostacoli sono i sistemi produttivi, la genetica varietale e una disponibilità di manodopera ancora appena sufficiente. Tutti e tre stanno cambiando.”

Riferimenti

APA 7th edition.

Bac, C. W., van Henten, E. J., Hemming, J., & Edan, Y. (2014). Harvesting robots for high-value crops: State-of-the-art review and challenges ahead. Journal of Field Robotics, 31(6), 888–911. https://doi.org/10.1002/rob.21525

British Berry Growers. (2024). The British berry industry in focus. British Berry Growers. https://britishberrygrowers.org.uk

European Labour Authority. (2024). EURES report on labour shortages and surpluses 2024. Publications Office of the European Union. https://www.ela.europa.eu

Fieldwork Robotics. (2024). Fieldworker 1: Next-generation raspberry harvesting robot [Press release]. https://italianberry.it/en/news/robot-picks-raspberries-speed-quality-of-human

Fruit Growers News. (2024). FGN labor survey results show challenges. Fruit Growers News. https://fruitgrowersnews.com/article/labor-report-fruit-and-vegetable-growers-voice-concerns-in-2024-labor-survey/

Italian Berry. (2020, February 4). Raspberry picking robot project accelerates. Italian Berry. https://italianberry.it/en/2020/02/04/robot-per-la-raccolta-di-lamponi-il-progetto-continua/

Italian Berry. (2022, September 27). Robots and strawberries: Where do we really stand? Italian Berry. https://italianberry.it/en/2022/09/27/robot-e-fragole-a-che-punto-siamo/

Italian Berry. (2024, November). Raspberry AI: Revolution in European packing houses. Italian Berry. https://italianberry.it/en/news/artificial-intelligence-lamps-packing-house-efficiency

Jin, Y., Xia, X., Gao, Q., Yue, Y., Lim, E. G., Wong, P., Ding, W., & Zhu, X. (2025). Deep learning in produce perception of harvesting robots: A comprehensive review. Applied Soft Computing, 174, 112971. https://doi.org/10.1016/j.asoc.2025.112971

Logofruits & TOMRA Food. (2024). Customer story: Logofruits Portugal. TOMRA. https://www.tomra.com/food/media-center/customer-stories/logofruits

Maf Roda Agrobotic. (2025). High-tech for berries: AI enters blueberry post-harvest [Macfrut 2025]. Italian Berry. https://italianberry.it/en/news/maf-roda-macfrut-ai-technology-post-harvest-blueberries-berries

Market Data Forecast. (2024). Global blueberry market size, share & industry report, 2033. Market Data Forecast. https://www.marketdataforecast.com/market-reports/blueberry-market-report

Navas, E., Shamshiri, R. R., Dworak, V., Weltzien, C., & Fernández, R. (2024). Soft gripper for small fruits harvesting and pick and place operations. Frontiers in Robotics and AI, 10, 1330496. https://doi.org/10.3389/frobt.2023.1330496

Parsa, S., Parsaei, M. R., Ghalamzan Esfahani, A. M., & Drust, M. (2023). Modular autonomous strawberry picking robotic system. Journal of Field Robotics, 40(5), 1031–1054. https://doi.org/10.1002/rob.22229

Threlfall, R. T., Howard, L. R., Brownmiller, C., & Howard, A. B. (2023). Development of a soft robotic gripper for the collection of fresh market blackberries. HortScience, 58(4), 496–504. https://doi.org/10.21273/HORTSCI17029-22

Vougioukas, S. (2024). Future of farm robotics [Interview]. UC Davis College of Engineering. https://engineering.ucdavis.edu/news/stavros-vougioukas-future-farm-robotics

Xiong, Y., Ge, Y., Grimstad, L., & From, P. J. (2020). An autonomous strawberry-harvesting robot: Design, development, integration, and field evaluation. Journal of Field Robotics, 37(2), 202–224. https://doi.org/10.1002/rob.21889

Italian Berry - Tutti i diritti riservati