Rilevazione dei caratteri fenotipici della fragola durante la sua coltivazione

Nell’ottica della gestione smart della fragolicoltura risulta molto interessante impiegare sensori ottici nel visibile (RGB) ed utilizzare le immagini per separare gli organi verdi insieme all'identificazione e il conteggio del numero di fiori e frutti della pianta, per misurare la precocità di fruttificazione e la produzione totale. Nel mondo della Computer science esiste un campo di applicazione, notoriamente conosciuto come visione artificiale, focalizzato sullo studio di modelli e algoritmi di intelligenza artificiale in grado fornire alle macchine la possibilità di ricavare informazioni utili dalle immagini senza la supervisione umana.

In particolare, attraverso l’utilizzo di CNN (Convolutional Neural Network) è possibile rilevare il numero di fiori e di frutti, e su quest’ultimi anche la colorazione che fornisce informazioni importanti sul livello di maturazione. Una rete neurale convoluzionale (CNN) è una classe di reti neurali artificiali più comunemente applicata per analizzare le immagini visive. Le reti sono progettate specificamente per elaborare i dati dei pixel e sono utilizzate nel riconoscimento e nell'elaborazione delle immagini.

La foto riproduce un esempio di identificazione tramite CNN (Convolutional Neural Network) di fiori, frutti acerbi, frutti invaiati, frutti rossi di fragola).

Fenotipizzazione della fragola in risposta allo stress idrico

E’ stato realizzato un esperimento su fragola presso il Centro Ricerche Metapontum Agrobios (CRMA) dell’ALSIA, localizzato a Metaponto (MT) attraverso l’impiego della piattaforma di plant phenotyping. E’ stata studiata la risposta fenotipica di alcune cultivar di fragola allevata in vaso a condizioni di stress idrico. L’imposizione dello stress è avvenuta, monitorando la perdita in peso per evapotraspirazione del vaso. Nella tesi con irrigazione ottimale è avvenuto un ripristino pari al 100% della capacità idrica di campo (Cic) mentre nelle tesi stressate è stato ripristinato il 60% della Cic.

La foto riproduce piante di fragola allevate in serra sulla piattaforma di fenotipizzazione delle piante (Scanalyzer 3D).

Le analisi sulla piattaforma sono state impostate con una frequenza di 2 rilievi settimanali per un totale di 38 letture. L’inizio e il decorso della fase di fioritura sono stati monitorati per le singole varietà rilevando periodicamente il numero di fiori/pianta.

Per la descrizione della Piattaforma di fenotipizzazione delle piante si rimanda ad altra sezione del portale

New Technique for Monitoring High Nature Value Farmland (HNVF) in Basilicata

The definition of High Nature Value Farmland Areas (HNVF) was provided by Andersen in 2003: “HNVF comprises those areas in Europe where agriculture is the major (usually the dominant) land use and where that agriculture supports or is associated with either a high species and habitat diversity, or the presence of species of European conservation concern or both”. The present work focuses on an overview of the techniques used to produce HNVF maps at different spatio-temporal resolutions. The proposed approach is based on the statistical approach. The study area is the Basilicata region (southern Italy) in 2012, mapped at municipal spatial resolution. The HNVF areas were identified by applying a threshold to the sum of the contributions of the main characterizing indicators. Three indicators contribute to the calculation of the HNVF areas: crop variability (CD Index), extensive practices (EP Index), and the presence of natural elements (Index Ne). Good agreement was found between our HNVF map and the results of the literature, although the analysis approaches were different. The main advantages of the proposed methodology derive from only free input data being used, and include remote sensing images and the adaptability to different spatial resolutions (local, regional, and national).

Realizzazione di un sistema di monitoraggio ed integrazione dati da remoto per l’analisi, la gestione e la protezione di colture di pregio, in un contesto di reti interoperabili

Il progetto, tra le altre cose, ha visto la realizzazione di un sistema di monitoraggio ed integrazione dati di diversa natura, provenienti da diversa tipologia di sensori, Prossimali e remote sensing, operativi su differenti aree a diversa coltura situate nella regione Basilicata. L’obiettivo di questo sistema è l’analisi sullo stato, la gestione e la protezione da eventi atmosferici per le colture di pregio. Il sistema monitora aree adibite alla cerealicoltura, un vigneto di pregio, un terreno con diverse coltivazioni (kiwi, limoneto e ulivo), una coltivazione di fragole da serra.

Dal punto di vista satellitare sono stati utilizzati prodotti ricavati da dati acquisiti dalla costellazione Sentinel di ESA (European Space Agency), in particolare dalle immagini Sentinel-2 scaricate dal Portale Copernicus (Copernicus Open Access Hub). I prodotti risultano utili ad individuare lo stress idrico o la presenza di malattie; un esempio è l’indice NDVI (Normalized Difference Vegetation Index), funzione della riflettanza calcolata sulla vegetazione nelle frequenze del rosso e del vicino infrarosso, che danno indicazioni sulla vigoria delle aree di interesse indagate.

Ai dati di natura satellitare la piattaforma presenta tipologie di approccio che fanno uso di misurazioni locali, per informazioni di microclima correlabili con lo stato di salute delle coltivazioni. La piattaforma è un sistema di monitoraggio duale, utile a chi gestisce un’azienda agricola, perché permette di avere informazioni in tempo reale e da remoto delle condizioni del terreno e delle colture, e utile agli enti di ricerca perché permette di scaricare serie storiche di dati che si possono utilizzare localmente per analisi descrittive o inferenziali, da realizzarsi con software proprietari applicati su aree di interesse del ricercatore.

Le innovazioni proposte dal Progetto Sma@rt Irri.Fert richiedono conoscenze di base e dimestichezza da parte degli utenti con le tecnologie digitali e l’impiego di strumenti tecnologici semplici (smartphone, tablet). L’interazione con l’utente finale avviene mediante interfacce d’uso semplici, intuitive
ed adatte ad utenti con sufficienti nozioni tecniche dal punto di vista agronomico. Per favorire l’adozione delle innovazioni proposte da Sm@rt Irri.Fert è
importante, oltre che diffonderne caratteristiche e contenuti della tecnologia, mettere a disposizione misure di sostegno per investimenti ed acquisizione
di servizi in agricoltura di precisione che accelerino il processo di introduzione delle tecnologie nei contesti aziendali.