← Όλα τα άρθρα

Έργο: VineScale, μια πλατφόρμα drone για την προηγμένη παρακολούθηση αμπελώνων

Έργο: VineScale, μια πλατφόρμα drone για την προηγμένη παρακολούθηση αμπελώνων

Παρακολούθηση αμπελώνων με drone

Εισαγωγή

Η αμπελουργία ακριβείας κάνει τεράστια άλματα χάρη στις νέες τεχνολογίες που βασίζονται στην προηγμένη ανάλυση δεδομένων από drone. Σε αυτό το πλαίσιο, το υποέργο VineScale, μέρος του έργου Chameleon, στοχεύει να επαναστατήσει την παρακολούθηση των αμπελώνων μέσω της ανάλυσης εικόνων που προέρχονται από drone. Στόχος του έργου VineScale είναι να δοκιμάσει και να επικυρώσει το εργαλείο αυτόματης ανάλυσης δεδομένων drone του Chameleon, επαληθεύοντας την αποτελεσματικότητα και την αξιοπιστία του σε διαφορετικά σενάρια εφαρμογής, σε 12 αμπελώνες σε όλη την Ιταλία (Εικ. 1).

Πίνακας των πιλοτικών αμπελώνων του έργου VineScale με τα drone, τους αισθητήρες και τις παραμέτρους πτήσης που χρησιμοποιήθηκαν

Εικ.1: Σύνοψη των πτήσεων του έργου VineScale.

Για να διασφαλιστεί η εγκυρότητα των πληροφοριών που προέκυψαν από το αυτοματοποιημένο σύστημα του Chameleon, τα αποτελέσματα του VineScale συγκρίθηκαν με δεδομένα που συλλέχθηκαν απευθείας στο χωράφι.

Αυτόματος εντοπισμός των πρέμνων

Ανάμεσα στα εργαλεία που προσφέρει η πλατφόρμα Chameleon είναι το εργαλείο αυτόματου εντοπισμού για την αναγνώριση των πρέμνων. Μέσω της ανάλυσης ενός τρισδιάστατου νέφους σημείων που προκύπτει από την επεξεργασία εικόνων που τραβήχτηκαν από drone κατά την περίοδο χωρίς φύλλωμα, το εργαλείο επιτρέπει τη δημιουργία μιας διανυσματικής μάσκας που εντοπίζει όλα τα φυτά στο χωράφι.

Αυτό το εργαλείο αποδείχθηκε αποτελεσματικό, ωστόσο ανέδειξε την ανάγκη καθορισμού κατευθυντήριων γραμμών για τη συλλογή δεδομένων, όπως το ύψος πτήσης, η επικάλυψη και το πλέγμα πτήσης (π.χ. πτήση διπλού πλέγματος), ώστε να εξασφαλιστεί ένα κατάλληλο σύνολο δεδομένων και να επεξεργαστούν σωστά τα δεδομένα.

ψηφιακό δίδυμο αμπελώνα

Εικ.2: Νέφος σημείων των μεμονωμένων φυτών που εξήχθησαν (αριστερά) και μάσκα των φυτών (δεξιά)

Παρακολούθηση της ανάπτυξης της καλλιέργειας με πληροφορίες RGB

Μόλις δημιουργηθούν οι μάσκες (αυτόματα ή χειροκίνητα), είναι δυνατόν να δοκιμαστεί ένας άλλος αλγόριθμος που επιτρέπει την παρακολούθηση του όγκου φυλλώματος κάθε μεμονωμένου φυτού. Μέσω της σύγκρισης των εκτιμήσεων του όγκου της κόμης της αμπέλου που προέκυψαν από το εργαλείο του Chameleon με χειροκίνητες μετρήσεις πάχους και ύψους των φυτών, προέκυψε ένα συνεπές μοτίβο (Εικ. 3, 4). Οι διαφορές οφείλονται σε απλοποιήσεις στον υπολογισμό του όγκου, αλλά συνολικά η μέθοδος αποδείχθηκε ιδιαίτερα αξιόπιστη για την παρακολούθηση της ανάπτυξης. Μέσω της παρεμβολής των τιμών κάθε μεμονωμένου φυτού, είναι δυνατή η δημιουργία θεματικών χαρτών που αποτυπώνουν την κατάσταση στο χωράφι.

όγκος κόμης αμπελώνα

Εικ.3: Αποτελέσματα του αλγορίθμου υπολογισμού του όγκου κάθε μεμονωμένου φυτού.

Γράφημα συσχέτισης μεταξύ των βλαστητικών όγκων που εκτιμήθηκαν από τον αισθητήρα Chameleon και των χειροκίνητων μετρήσεων εδάφους (R² = 0,77)

Εικ.4: Συσχέτιση μεταξύ των δεδομένων που εκτιμήθηκαν από το εργαλείο του Chameleon και των δεδομένων που καταγράφηκαν στο έδαφος.

Εντοπισμός υδατικής καταπόνησης των πρέμνων

Η ανάλυση της υδατικής καταπόνησης πραγματοποιείται μέσω θερμικών εικόνων και τεχνικών τμηματοποίησης της βλάστησης, υπολογίζοντας τον Δείκτη Υδατικής Καταπόνησης Καλλιέργειας (CWSI) για κάθε πρέμνο, με βάση τη θερμοκρασία. Αυτό επέτρεψε την απόκτηση θεμελιωδών δεδομένων σχετικά με την υδατική κατάσταση των φυτών, με πολύ μεγάλη ταχύτητα, προκειμένου να βελτιωθεί η διαχείριση της άρδευσης. Για την ακριβή εκτίμηση των τιμών CWSI που προκύπτουν από τα θερμικά δεδομένα, χρησιμοποιήθηκαν δεδομένα θερμοκρασίας και υγρασίας του αέρα ως σημείο αναφοράς, ώστε να διασφαλιστεί η σωστή λειτουργία του συστήματος.

θερμοκρασία κόμης αμπελώνα

Εικ.5: Αποτελέσματα θερμοκρασίας για κάθε φυτό.

Ανάλυση των πρέμνων από πολυφασματικές πληροφορίες

Χρησιμοποιώντας πολυφασματικά ορθομωσαϊκά, το σύστημα κατέστησε δυνατή την ακριβή ανάδειξη του σφρίγους των πρέμνων, διευκολύνοντας την τμηματοποίηση και την παρακολούθηση των καλλιεργειών με μεγαλύτερη ταχύτητα σε σχέση με τις παραδοσιακές μεθόδους. Επιπλέον, οι χάρτες ζωνοποίησης του εδάφους που προέκυψαν από τα δεδομένα drone συγκρίθηκαν με φυσικές δειγματοληψίες. Χρησιμοποιώντας συντελεστή συσχέτισης (Pearson), αξιολογήθηκε η ομοιότητα μεταξύ των χαρτών που παρήγαγε το εργαλείο και των δεδομένων που συλλέχθηκαν στο χωράφι, επιβεβαιώνοντας την αξιοπιστία της μεθόδου ζωνοποίησης.

σφρίγος NDVI κόμης αμπελώνα

Εικ.6: NDVI για κάθε μεμονωμένο φυτό.

Συμπεράσματα και μελλοντικές προοπτικές

Το έργο VineScale ανέδειξε το δυναμικό της χρήσης drone για την αμπελουργία ακριβείας, προσφέροντας ένα καινοτόμο εργαλείο για την παρακολούθηση των πρέμνων, την ανάλυση της ανάπτυξης και τη διαχείριση των υδατικών πόρων. Παρόλο που προέκυψαν ορισμένες προκλήσεις, τα αποτελέσματα που επιτεύχθηκαν δείχνουν ένα πολλά υποσχόμενο μέλλον για την ενσωμάτωση αυτών των τεχνολογιών στη σύγχρονη διαχείριση αμπελώνων.

Ένα βασικό στοιχείο του έργου είναι ότι το σύστημα του Chameleon κατέστησε δυνατή την ανάλυση περίπου 44,6 εκταρίων και 129.636 φυτών σε 33.752 δευτερόλεπτα (περίπου 9 ώρες). Αυτό το σύστημα υπολόγισε πολυάριθμους δείκτες και βιομετρικές μετρήσεις, μεταξύ των οποίων NDVI, θερμοκρασία, CWSI και όγκο κόμης, με μια ταχύτητα αδιανόητη σε σύγκριση με τις χειροκίνητες μετρήσεις. Πράγματι, ενώ η παραδοσιακή καταγραφή αυτών των παραμέτρων θα απαιτούσε ημέρες εργασίας και σημαντικό εργατικό δυναμικό, η χρήση drone και προηγμένων αλγορίθμων κατέστησε δυνατή μια γρήγορη, πλήρη και λεπτομερή ανάλυση.

Με περαιτέρω βελτιώσεις στους αλγορίθμους, η αποτελεσματικότητα αυτών των εργαλείων θα μπορεί να γίνει ακόμη μεγαλύτερη, οδηγώντας σε μια όλο και πιο έξυπνη και βιώσιμη αμπελουργία.

← Επιστροφή στο blog Μίλησε μαζί μας