Il Progetto Agrarian in avanzamento: sviluppi nella raccolta dati e nel monitoraggio dei vigneti – Mese 5

Questi primi mesi hanno visto il progetto Agrarian avviarsi e porre le basi per sviluppare un sistema eterogeneo di raccolta dati e immagini in ambito precision-farming, applicabile alla filiera pilota della vite.

Le attività principali dei partner si concentrano sullo sviluppo di soluzioni per il miglioramento della gestione dei vigneti e del monitoraggio del loro stato di salute.

Il gruppo di ricerca del CIDEA è impegnato nell’analisi delle immagini dei vitigni per perfezionare gli algoritmi di rilevamento della Flavescenza Dorata, malattia della vite causata da un fitoplasma che provoca gravi danni alla produttività del vigneto. Per fare ciò utilizza una rete neurale convoluzionale attualmente in fase di addestramento, nello specifico un algoritmo Faster R-CNN.

Figura 1: esempio del risultato delle analisi su immagini di vitigni tramite algoritmo Faster R-CNN (CIDEA). Queste immagini sono quelle ottenute da database pubblico.

In parallelo, CIDEA e RINOVA collaborano per incrementare il materiale a disposizione per addestrare l’algoritmo con lo scopo di raccogliere nuove immagini dei vitigni. Tutte le immagini sono acquisite nel campo visibile (RGB) e da una prospettiva terrestre, tuttavia è prevista l’introduzione di sensori multispettrali capaci di acquisire immagini anche al di fuori dello spettro visibile, che saranno montati su droni UAV.

InterMech sta, infatti, progettando un sistema di UAV destinato alla sorveglianza dei vitigni: questo sistema prevede l’utilizzo di molteplici droni di piccole dimensioni, dotati di sensori multispettrali, per coordinare le operazioni di raccolta dati. I droni forniranno una visione dello stato di salute dei vigneti legata all’insorgenza della flaviscenza dorata e allo stato generale dello sviluppo fogliare. Parallelamente, Intermech si sta occupando dello sviluppo di un prototipo di carotaggio del terreno che verrà implementato su un robot mobile per la creazione di un laboratorio mobile in grado di definire i principali parametri di monitoraggio dello stato del suolo. Insieme a RINOVA stanno definendo quali parametri del suolo siano più indicativi dello stato di salute della vite (il contenuto di macronutrienti come azoto, fosforo e potassio, parametri come il pH e l’umidità del terreno…).

Figura 2: esempio di percorsi coordinati di uno stormo di droni per analisi della vegetazione (InterMech).

Per gestire la grande quantità di dati che saranno generati dalle misurazioni iperspettrali e dall’analisi del suolo, InterMech conduce una ricerca preliminare sulle tecniche di pre-processamento e sugli algoritmi di machine learning. Questa fase di ricerca è cruciale per garantire che i dati raccolti siano utilizzati in modo efficiente e possano fornire informazioni utili per la gestione dei vigneti.

A breve inizieranno anche i primi test del sistema integrato di monitoraggio sul campo che includeranno l’analisi del suolo, la raccolta di immagini tramite UAV e l’analisi preliminare dei dati utilizzando algoritmi specifici. Queste attività segneranno un passo importante verso la realizzazione di un sistema di monitoraggio avanzato e integrato per la viticoltura.