by Antonio Donnangelo

Condividi

Introduzione
L’innovazione tecnologica è sempre più presente nel mondo dell’agricoltura, e il sotto-progetto AgroTwin, finanziato con 60k€ dal progetto Horizon Europe ICAERUS, ne è un perfetto esempio.
ICAERUS è un progetto incentrato sull’esplorazione del
potenziale dei droni come mezzi multiuso per l’agricoltura, il monitoraggio ambientale e i servizi rurali.
L’obiettivo del sotto-progetto AgroTwin è stato quello di sviluppare e testare un Sistema di Supporto Decisionale (DSS) basato su avanzati algoritmi di AI e computer vision per ottimizzare i trattamenti fitosanitari attraverso l’impiego di droni di livello consumer, come il DJI Phantom 3 Professional (Fig. 1).

Fig.1: Preparazione al volo del DJI Phantom 3 Professional nel vigneto test.

Un Sistema di Supporto Decisionale per l’Agricoltura Sostenibile
La raccolta delle immagini e il testing degli algoritmi sono stati svolti su un vigneto di Sangiovese di circa 1.2 ha delle tenute regionali di Cesa (AR) (Fig. 2). Quest’ultimo è stato suddiviso in 2 parcelle di dimensioni e di vigore vegetativo simili, una utilizzata per il dosaggio a dose variabile degli agrofarmaci in base ai risultati del nostro DSS (test) e l’altra per dosi fisse (control), in cui venivano apportate le dosi aziendali standard.

Per catturare le immagini visibili (RGB) del vigneto abbiamo utilizzato un drone di facile utilizzo e commercializzato in larga scala, il DJI Phantom 3 Professional. Queste immagini sono state utilizzate per generare nuvole di punti 3D che ci hanno consentito di creare il gemello digitale (digital twin) del vigneto in tre differenti fasi fenologiche.

Per ogni volo, attraverso degli algoritmi proprietari, il modello digitale è stato analizzato con precisione per estrarre i principali parametri biometrici di singole viti d’interesse. Grazie a questi dati, il DSS ha generato delle mappe di prescrizione personalizzate per trattamenti a rateo variabile (VRT), migliorando l’efficienza nella somministrazione degli agrofarmaci.

Fig.2: Localizzazione del vigneto in prova e suddivisione delle due parcelle (test, control).

Algoritmi Avanzati per l’Analisi dei Parametri Biometrici
Uno degli aspetti più innovativi di AgroTwin è stato lo sviluppo di algoritmi avanzati di AI e computer vision per analizzare le biometrie delle viti. Questi algoritmi, applicati alle nuvole di punti 3D generate dal drone, hanno consentito di analizzare con precisione i principali parametri di interesse, come lo spessore, l’altezza e il volume della chioma delle singole piante d’interesse, con un margine di errore medio inferiore al 10% rispetto alle misurazioni manuali (Fig. 3, 4).

Fig.3: Evoluzione nelle diverse fasi fenologiche di una vite test (spessore (m), altezza (m), volume (m3)).

Fig.4: Misure manuali in campo.

Attraverso l’utilizzo di questi parametri biometrici, gli algoritmi hanno permesso di costruire un indice di vigore molto importante, il LAI (Leaf Area Index) oltre che a generare il LWA (Leaf Wall Area) e il TRV (Tree Row Volume), che danno indicazione sulla superficie e sul volume della chioma del vigneto.
Interpolando un numero adeguato di piante campione, gli algoritmi hanno generato in maniera automatica delle mappe di vigore vegetativo (LAI) e mappe di prescrizione per i trattamenti fitosanitari (Fig. 5).

Fig.5: Mappe di vigore (LAI) e mappe di prescrizione (litri/ettaro) per i trattamenti fitosanitari per ciascuna fase fenologica.

Analisi di Sensitività per Migliorare la Raccolta Dati
Un’altra fase cruciale del progetto è stata l’analisi di sensitività per trovare i migliori parametri di volo dei rilievi con drone che fornissero il miglior compromesso tra qualità del dato rispetto al tempo di volo. Questo studio ha permesso di identificare le migliori configurazioni di volo per garantire la migliore accuratezza nella stima dei parametri delle chiome vitate rispetto alle misure manuali.
La configurazione migliore, con errori inferiori al 10% rispetto alle misure manuali, si è dimostrata essere quella altezza di volo 30 metri, con 85% di sovrapposizione (overlap) tra le foto e con inclinazioni della fotocamera combinate (nadirale e a 30°), che ha migliorato significativamente la precisione dei dati raccolti.

Benefici Ambientali ed Economici
Per valutare la quantità e la qualità del deposito degli agrofarmaci sulla chioma delle viti nelle due diverse zone, è stata utilizzata una procedura standardizzata a livello internazionale (ISO 22522) e un tracciante alimentare (tartrazina). L’obiettivo principale è stato quello di confrontare l’efficienza delle due tipologie di trattamento. I rilievi sull’efficacia dei trattamenti sono stati svolti dal Dipartimento di Meccanica Agraria (DAGRI) dell’Università di Firenze.

Fig.6: La procedura ha coinvolto il campionamento di tre viti rappresentative nelle aree di basso, medio e alto vigore, con l’uso di cartine idrosensibili e collettori in nylon posizionati a tre diverse altezze della chioma (H1 sopra il cordone, H2 a metà chioma, H3 in cima).

I risultati hanno mostrato che la copertura media è stata del 35% nella parcella VRT, leggermente superiore alla soglia ottimale (30%) ma le chiome delle viti sono state coperte in base alla loro effettiva biomassa, mentre la parcella di controllo ha registrato una copertura media del 39%, senza tenere conto dell’effettiva biomassa in campo. Infine, non sono state rilevate presenze di malattie nelle parcelle testate e non sono state riscontrate differenze significative nella resa e qualità dell’uva al momento della valutazione.
Per quanto riguarda la dose, grazie all’approccio VRT è stata raggiunta una riduzione media del 35% nell’uso di agrofarmaci e acqua con un picco di 41% durante la fase fenologica intermedia. Questi risparmi possono essere tradotti in una riduzione dell’impatto che i prodotti hanno sull’ambiente, in modo migliorare la preservazione della biodiversità presente nel vigneto e limitare l’inquinamento di falde acquifere e aria.

Conclusioni
Il progetto AgroTwin rappresenta un passo avanti nell’agricoltura di precisione sfruttando le immagini nel supporto al processo decisionale agronomico. Grazie ad esso, è stato progettato un prototipo di DSS da immagini da drone. Inoltre, è stato valutato in quale misura l’integrazione di droni e avanzati algoritmi possano migliorare la sostenibilità ambientale ed economica delle operazioni agricole.

Il progetto ha permesso di dimostrare come l’uso di un drone che scatta semplici foto RGB possa permettere di generare dei modelli digitali di qualità sufficiente per analizzare una coltura in campo e ottenere
mappe di prescrizione utilizzabili per le più importanti operazioni, come nel caso della distribuzione di agrofarmaci, o nella raccolta selettiva su base del vigore vegetativo, permettendo in questo modo di risparmiare preziose risorse e migliorare i processi produttivi.

Grazie al significativo risparmio del quantitativo di agrofarmaci ed acqua, e alla migliore ridistribuzione in campo, il DSS sviluppato si posiziona come uno strumento agronomico innovativo e sostenibile, che permette di perseguire i dettami dell’agricoltura di precisione sfruttando le copie digitali del vigneto.
In un settore sempre più orientato alla sostenibilità, questa tecnologia è in grado di offrire agli agricoltori una soluzione pratica, economica e all’avanguardia per affrontare le attuali sfide dell’agricoltura moderna.