Sistemi robotici multi-sensoriali per il monitoraggio dei vigneti
Annalisa Milella*, Giulio Reina**
*Istituto di Sistemi e Tecnologie Industriali Intelligenti per il Manifatturiero Avanzato (STIIMA), Con- siglio Nazionale delle Ricerche (CNR) **Dipartimento d Meccanica, Matematica e Mana- gement (DMM), Politecnico di Bari.
La possibilità di stimare in modo accurato le caratteristiche morfo-fisiologiche delle colture a livello di singola pianta o frutto (detta anche ‘fenotipizzazione’), rappresenta un aspetto fondamentale per l’agricoltura di precisione.
I metodi di fenotipizzazione tradizionali si basano sull’acquisizione visiva o distruttiva di campioni, sono dispendiosi in termini di tempo e soggetti ad errore umano. L’impiego di tecnologie robotiche e di sensing per la fenotipizzazione e il monitoraggio automatizzato delle colture può contribuire al superamento di tali problemi.
In questo contesto, i veicoli robotici terrestri o UGV (Unmanned Guided Vehicles) rivestono un ruolo chiave per l’acquisizione di dati di prossimità direttamente in campo e l’attuazione di metodi di gestione agronomica più efficienti.
La sfida consiste nel dotare tali veicoli di capacità avanzate di percezione ambientale mediante l’uso di sistemi multi-sensoriali di bordo, nonché di capacità di interpretazione intelligente dell’ambiente, al fine di ottenere un monitoraggio continuo e noninvasivo delle colture durante l’intero ciclo produttivo. In particolare, le colture perenni, come la vite, necessitano di valutazioni fenotipiche da effettuare direttamente in campo; i vigneti si estendono tipica- mente su grandi superfici con migliaia di piante, ciascuna caratterizzata da un fenotipo potenzialmente differente.
Piattaforma robotica per applicazioni di monitoraggio in vigneto
In questo contesto, la ricerca svolta in collaborazione da CNR-STIIMA e Politecnico di Bari nell’ambito di alcuni progetti di ricerca nazionali (es. PON E-Crops- Tecnologia per l’Agricoltura Digitale Sostenibile) ed europei (es. Progetto Horizon 2020 ATLAS-Agricul- tural Interoperability and Analysis System), è mirata allo sviluppo di una piattaforma robotica di fenoti- pizzazione per applicazioni di viticoltura dotata di sistema multisensoriale di bordo comprendente sistemi di visione 2D e 3D, GPS e sensori inerziali.
La piattaforma sviluppata consente di acquisire dati sensoriali per la ricostruzione di mappe tridimensionali, per misurazioni geometriche (come stime di volume e altezza delle singole piante), nonché per rilevare e contare i grappoli. Tutte queste misurazioni sono potenzialmente utili, ad esempio, per calcolare indicatori di crescita, per monitorare lo stato fitosanitario delle piante, e per valutare le componenti produttive del vigneto.
Le tecniche proposte sfruttano i recenti sviluppi metodologici nell’ambito delle reti artificiali (deep learning), consentendo di elaborare i segnali acquisiti e generare conoscenza condivisa di alto livello per il supporto alle decisioni che possono riguardare, ad esempio, la programmazione irrigua e l’applicazione di fertilizzanti e pesticidi in modo sito-specifico, identificando le zone del vigneto con specifiche necessità.
Sono state inoltre sviluppate metodologie per il controllo automatico e in sicurezza dei veicoli robotizzati in ambiente agricolo, basate su tecniche robuste di localizzazione e navigazione, definite appositamente per operare in ambienti non strutturati e altamente variabili, e tecniche di ottimizzazione dei percorsi finalizzate a minimizzare il dispendio ener- getico e preservare l’autonomia dei veicoli.
Esempio di riconoscimento automatico di grappoli mediante tecniche di Intelligenza Artificiale