Il sistema alimentare globale è chiamato ad affrontare numerose sfide i cui elementi e implicazioni sono legati tra loro in un sistema complesso. Le tecnologie di agricoltura digitale stanno acquisendo un ruolo sempre più importante nel processo di intensificazione sostenibile delle attività agricole.
La sfida della digitalizzazione dell'agricoltura è fortemente correlata alla capacità degli utenti di comprendere e interpretare l'enorme quantità di informazioni generate nei processi produttivi e di trasformazione dei prodotti agricoli.
Negli ultimi anni sono stati sviluppati diversi sistemi di monitoraggio per esplorare la variabilità spaziale degli appezzamenti agricoli. La combinazione efficiente di sensori remoti e prossimali può cambiare, in funzione di criteri economici ed agronomici. Le tecniche di analisi dei dati tenere in considerazione obiettivi finale della produzione, il tipo di coltura e le limitazioni specifiche di ogni sensore. In questo articolo sono riassunti i risultati ottenuti da tre sperimentazioni in cui diverse tecnologie e sono state combinate al fine di rilevare la variabilità spaziale in un'ottica di viticoltura di precisione.
Fig.1 I processi statistici di data fusion rappresentano un passaggio fondamentale per l'applicazione dell'agricoltura di precisione
(Fonte: Marco Sozzi)
Nella prima parte di questo studio, i prezzi di acquisizioni multispettrali da drone, aerei e satellitari sono stati confrontati con i vantaggi economici forniti dall'agricoltura di precisione. Lo studio è stato impostato come un'analisi dei punti di pareggio di ciascun sensore confrontando i costi di acquisizione con i vantaggi potenziali dell'applicazione sito-specifica dell'azoto.
Il punto di pareggio in termini di superficie, delle immagini satellitari è stato di 2.5 ettari per satelliti a media risoluzione e 76.8 per quelli ad alta risoluzione. Le immagini acquisite da aereo hanno dimostrato di richiedere più di 66.4 ettari per essere convenienti, mentre le immagini acquisite da Uav hanno dimostrato di non essere economicamente sostenibili per l'applicazione sito-specifica di azoto.
Successivamente, sono state studiate le potenzialità del satellite Sentinel-2 per le applicazioni di viticoltura di precisione.
L'analisi, la quale si è basata sul confronto tra immagini Sentinel-2 con immagini acquisite da drone, ha evidenziato un effetto significativo dei pixel di bordo del vigneto sulle immagini satellitari acquisite e sugli indici di vegetazione da esse ricavati. Analogamente è stato dimostrato l'effetto dell'orientamento dei filari sulla determinazione del vigore vegetativo, sottolineando la necessità di utilizzare correzioni geometriche specifiche o modelli di inversione radiativa.
Infine, quattro algoritmi di intelligenza artificiale (object detection) sono stati addestrati e validati per la loro accuratezza nel rilevare il numero di grappoli in immagini Rgb al fine stimare con precisione la resa per ceppo. I quattro algoritmi selezionati sono stati addestrati con immagini acquisite in diversi vigneti in Lombardia, Veneto e Marche. Una volta allenati i modelli sono validati attraverso immagini non utilizzate durante l'allenamento. A seguito della validazione, l'algoritmo Yolo versione 4 tiny ha dimostrato di essere la migliore combinazione di accuratezza e velocità di classificazione.
Fig.2 Schema dei dati analizzati per validare l'utilizzo di immagini multispettrali Sentinel 2 in vigneto
(Fonte: Marco Sozzi)
Fig.3 Risultato dell'algoritmo di Object Detection utilizzato per la stima del numero di grappoli per ceppo
(Fonte: Marco Sozzi)
I risultati generali di queste sperimentazioni hanno evidenziato le potenzialità di diversi sensori per l'applicazione dell'agricoltura digitale. Tra i sensori di maggiore importanza per queste tecniche vi è sicuramente il satellite Sentiel-2. In base ai risultati ottenuti e in funzione della Sau media europea (16.1 ettari), Sentinel-2 potrebbe essere considerato un driver di diffusione dell'agricoltura digitale in Europa. Tuttavia, sempre in funzione dei risultati ottenuti, l'applicazione di Sentinel-2 in vigneto dovrebbe essere circoscritta ad appezzamenti maggiori di 0.5 ettari. Infine, algoritmi di object detection hanno dimostrato di essere un valido strumento per la stima della resa dell'uva compatibili con dispositivi mobili.
Marco Sozzi, categoria "Agricoltura di precisione"
(Fonte: Marco Sozzi)
Per eventuali contatti: marco.sozzi@unipd.it
A cura di Marco Sozzi
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.
Leggi le tesi vincitrici della quinta edizione.
© AgroNotizie - riproduzione riservata
Fonte: AgroNotizie
