Il cambiamento climatico, l'impatto ambientale delle attività produttive e la crescente sensibilità dei consumatori verso questi temi hanno spinto istituzioni e aziende ad adottare pratiche più sostenibili, in particolare per quanto riguarda l'uso di prodotti chimici.
In agricoltura, la sostenibilità dipende dall'efficienza nell'uso dei fattori impattanti, che non sempre possono essere eliminati, ma il cui impiego può essere ridotto intervenendo in modo localizzato, distribuendo la quantità necessaria, solo dove serve.
In questo contesto, l'introduzione di tecnologie digitali rappresenta una priorità a livello globale. Lo scopo dello studio è stato quello di utilizzare alcune di queste tecnologie, tra cui:
- sensori 3D, in grado di acquisire immagini a colori e della distanza di ogni singolo pixel, creando modelli tridimensionali dettagliati;
- piattaforme robotiche autonome a trazione elettrica, che riducono l'impatto ambientale delle operazioni in campo;
- reti digitali ad alta velocità, per l'archiviazione, l'analisi e la condivisione di dati via cloud, accelerando i tempi di elaborazione anche di analisi complesse.
Queste tecnologie sono state testate in sperimentazioni di laboratorio, prove in serra e in pieno campo. Le attività si sono concentrate su due delle principali sfide dell'agricoltura di precisione:
- il monitoraggio di precisione di una coltura con il fine di caratterizzarne lo sviluppo e valutare la risposta a diversi trattamenti;
- il diserbo chimico sito specifico allo scopo di ridurre l'impiego di diserbanti.
La prova di monitoraggio ha previsto l'acquisizione di dati 3D in serra con l'obiettivo di caratterizzare, in modo non distruttivo, lo sviluppo di piante di lattuga varietà Salanova verde (green) e rossa (red) dal momento del trapianto alla raccolta.
A sinistra, robot utilizzato per i rilevamenti in serra. A destra, ricostruzione 3D delle parcelle
(Fonte: Marco Davide Michel Torrente)
Sono stati applicati due livelli di fertilizzazione: di base (f-) e ricca (f+) allo scopo di quantificarne l'effetto e valutare il vigore delle singole cultivar. I dati ottenuti sono stati validati al momento della raccolta, confrontando il volume dei modelli 3D con il peso secco delle singole piante.
Il sensore 3D è stato installato su una piattaforma robotica, per eseguire le misurazioni come parte di un processo completamente automatizzato. I dati grezzi sono stati archiviati in un datalake remoto, ovvero una struttura informatica pensata per conservare grandi volumi di dati eterogenei, e successivamente elaborarli.
L'obiettivo della prova inerente al diserbo è stato quello di simulare un intervento in post emergenza su mais, valutando il contributo dei sensori 3D nella rilevazione delle infestanti, soprattutto in condizioni di forte pressione, le più complesse da gestire. Per favorire la crescita delle malerbe e ricreare un contesto adatto alla prova, non è stato eseguito alcun trattamento di diserbo in pre emergenza.
Grafici che mostrano la correlazione fra i diversi parametri dello studio
(Fonte: Marco Davide Michel Torrente)
I risultati evidenziano la capacità predittiva del volume rispetto alla biomassa, con un coefficiente di determinazione (R²) di 0,9 e un errore medio poco superiore al grammo. Tuttavia, non sono state riscontrate differenze significative nello sviluppo delle piante in relazione ai livelli di fertilizzazione, mentre l'influenza della cultivar è risultata significativa.
Sono stati sviluppati diversi algoritmi in grado di individuare le aree infestate, utilizzando sia sensori a colori che sensori 3D per confrontare le prestazioni delle due tecnologie in condizioni operative. I risultati ottenuti sono stati confrontati con lo standard di un trattamento uniformemente distribuito. Per valutare l'impatto ambientale, sono state valutate le quantità di diserbante distribuito e la quota di questo che colpisce il suolo. L'efficacia del trattamento è stata valutata considerando la quota di malerbe colpite nelle simulazioni.
Individuazione delle malerbe in pieno campo. A sinistra l'immagine a colori, a destra risultato della classificazione della coltura (giallo) e dell'infestante (rosso)
(Fonte: Marco Davide Michel Torrente)
I risultati hanno evidenziato che tutti gli algoritmi e le strategie di attuazione testati hanno permesso una significativa riduzione della quantità di diserbante distribuito, compresa tra il 10% e il 45%.
Tuttavia, l'entità della riduzione della quantità dipende dalle condizioni dell'infestazione: nel caso specifico, l'elevata infestazione non ha consentito riduzioni marcate per non compromettere l'efficacia del trattamento. In particolare, è emerso anche che la quota fuori target è stata ridotta in media del 30%.
Tra tutte le soluzioni, un algoritmo basato su dati 3D è riuscito a colpire tutte le malerbe e ottenere una riduzione significativa dell'impatto ambientale.
Marco Davide Michel Torrente, categoria "Agricoltura di precisione: analisi e condivisione dei dati"
(Fonte: Marco Davide Michel Torrente)
Scarica la tesi completa di Marco Davide Michel Torrente
Per eventuali contatti marco.torrente@unimi.it
A cura di Marco Davide Michel Torrente
CAP4AgroInnovation - Agrifood Edition è il nuovo progetto di Image Line®, cofinanziato dall'Unione Europea, al fine di informare i cittadini sulla Politica Agricola Comune.
Per maggiori informazioni è possibile visitare il sito
© AgroNotizie - riproduzione riservata
Fonte: AgroNotizie®
