La capacità dei droni di raccogliere dati ad alta risoluzione e il successivo impiego dell'intelligenza artificiale per l'analisi dei dati hanno permesso la rapida diffusione di queste nuove tecnologie in agricoltura. Diversi studi scientifici hanno evidenziato le potenzialità di questi strumenti nello stimare, mappare e caratterizzare i tratti fenotipici delle colture in maniera rapida, precisa e non distruttiva.
In particolare, l'obiettivo principale di questo studio di fenotipizzazione è stato lo sviluppo di algoritmi di intelligenza artificiale per stimare alcuni tratti fenotipici di genotipi di canapa e miscanto utilizzando le immagini multispettrali acquisite da drone.
Obiettivi dello studio di fenotipizzazione tramite drone
(Fonte: Giorgio Impollonia)
Le immagini acquisite da drone e i dati raccolti in campo sono stati utilizzati per sviluppare algoritmi di intelligenza artificiale con lo scopo di stimare i tratti fenotipici quali il contenuto di umidità, il contenuto di clorofilla fogliare e l'indice di superficie fogliare.
Gli algoritmi sono stati applicati alle immagini aeree al fine di caratterizzare le dinamiche dei tratti fenotipici durante la fase di crescita vegetativa e di senescenza. Questa analisi può essere impiegata per valutare la crescita e la produzione di diversi genotipi di canapa e miscanto in terreni marginali, oppure per la scelta del genotipo più adatto per un determinato ambiente.
Mappe di Indice di Superficie Fogliare (Lai) e di Contenuto di Clorofilla Fogliare (Lcc) di canapa stimate da immagini multispettrali acquisite da drone
(Fonte: Giorgio Impollonia)
Un altro aspetto applicativo rilevante di questo studio riguarda la stima del contenuto di umidità della biomassa di miscanto, che rappresenta un tratto qualitativo molto rilevante con vari impatti su raccolta, trasporto e stoccaggio. Tramite questa stima è possibile scegliere il momento ottimale della raccolta e identificare i campi con il contenuto di umidità più basso.
Sono stati affrontati anche due limiti tecnici legati all'impiego dei droni e degli algoritmi di intelligenza artificiale, quali l'interoperabilità dei sensori multispettrali e la trasferibilità degli algoritmi di intelligenza artificiale.
L'interoperabilità dei sensori è un aspetto rilevante da valutare in situazioni in cui la stessa coltura viene analizzata tramite sensori con diverse caratteristiche spettrali. Questo può comportare errori nella stima dei tratti, rendendo l'algoritmo sviluppato sensore-specifico.
Dinamica di senescenza di diversi ibridi di miscanto in base alla differenza del contenuto di umidità stimato con l'ibrido di riferimento (M. x giganteus - Grc 9)
(Fonte: Giorgio Impollonia)
La trasferibilità degli algoritmi di intelligenza artificiale è stata valutata in quanto si tratta della capacità di quest'ultimi di stimare accuratamente i tratti in ambienti e stagioni diverse rispetto a quella utilizzata per l'allenamento dell'algoritmo.
Questo studio ha contribuito ad approfondire le conoscenze sull'utilizzo delle immagini multispettrali acquisite da drone per applicazioni di fenotipizzazione, ed ha dimostrato che è possibile stimare i tratti fenotipici di canapa e miscanto con buona accuratezza. In particolare, tramite delle procedure specifiche è possibile superare il problema dell'interoperabilità rendendo così gli algoritmi di intelligenza artificiale non dipendenti dal sensore utilizzato.
I risultati hanno evidenziato anche che il numero di dati e la distribuzione dei valori dei tratti utilizzati nell'allenamento degli algoritmi sono delle caratteristiche importanti per ottenere una buona trasferibilità degli algoritmi.
Le prospettive future nell'uso di droni e intelligenza artificiale nella fenotipizzazione delle colture sono molto promettenti. Le tecnologie stanno migliorando, i droni e i sensori spettrali stanno diventando sempre più precisi e potenti, e quindi le future generazioni di droni potrebbero essere in grado di raccogliere dati ancora più dettagliati.
Con il continuo sviluppo e diminuzione dei costi delle tecnologie dei droni e dell'intelligenza artificiale è probabile che l'uso di queste tecnologie diventi sempre più accessibile, consentendo una maggiore adozione dell'uso dei droni per la fenotipizzazione delle colture su larga scala.
Giorgio Impollonia, categoria "Agricoltura di precisione: analisi e condivisione dei dati"
(Fonte: Giorgio Impollonia)
Scarica la tesi completa di Giorgio Impollonia
Per eventuali contatti giorgio.impollonia@unicatt.it
A cura di Giorgio Impollonia
AgroInnovation Award è il premio di laurea istituito da Image Line in collaborazione con l'Accademia dei Georgofili al fine di promuovere la diffusione di approcci innovativi, strumenti digitali e l'utilizzo di internet in agricoltura.
![AgroInnovation Award](https://agronotizie.imagelinenetwork.com/materiali/Varie/Image/image_line_software_siti_web/agroinnovation-award-fonte-image-line.jpg)
Leggi le tesi vincitrici della sesta edizione.
© AgroNotizie - riproduzione riservata
Fonte: AgroNotizie