ETD

• artificial intelligence
• autonomous mower
• autonomous robot
• benchmarking
• biodiversity
• bpmn-cba modelling
• pollinators
• precision agriculture
• turfgrass
• under-row weed control
• weed detection
• yolo

In the context of the ongoing digital and ecological transition promoted by European strategies, agriculture and green area management are increasingly required to adopt sustainable and technologically advanced approaches. The landscape results from the interaction of natural, cultural, anthropogenic, and productive factors, making it a complex system to manage and preserve to enhance the resilience of agroecosystems. Modern agroecosystems management face the dual challenge of reducing chemical inputs, as ones usually employed for weed control, and resource consumption while maintaining productivity and enhancing biodiversity. For all these reasons it is necessary to identify and integrate different supporting strategies and technologies to achieve a real digital transition in agriculture and green area management. In this framework, technologies such as robotics, digital imaging, and artificial intelligence (AI) can play a crucial role in optimizing maintenance operations, improving resource efficiency, and promoting biodiversity conservation. 9 trials were conducted addressing different aspects of digital and robotic innovation applied to agroecosystem management, structured into three main thematic areas: benchmarking and validation of agricultural robots, management and operational performance of robotic systems, ecological and biodiversity-related impacts of robotic management.
1. The design of the field campaign of ACRE competition 2023 was first conceived and then realized, with a special focus on the timeline and on all the necessary operations to set up a fitting experimental design for autonomous weeding robots performance evaluation based on objectives benchmarks: functionality BenchMark (FBM) of plant discrimination and field navigation. The test field designated for the campaign covered an area of 2.8 hectares and it was divided into 35 distinct plots, each serving its specific purpose. These plots were sown with three different crops:18 rows of corn (Zea Mays L.), 16 rows of bean (Phaseolus vulgaris L.), and a larger plot of beet (Beta vulgaris L.). The two main crops were sown along rows with different distances between them, 75 cm for the corn and 37.5 the bean. Specifically, three shifting rows were in the bean plots, while two were observed in the corn plots. The same number of crop plants in each row, with the same space between each other, was chosen to ensure the same conditions for all participants. To facilitate manoeuvres and ensure clear demarcations between plots, designated corridors were intentionally left between them. Manual weeding efforts were carried out in each plot, except for the B. Vulgaris L. plots. It is worth noting that existing Lolium perenne L. plants were intentionally left untouched within the P. vulgaris L. plots. Furthermore, as part of the experimental design, 15,000 weed plants encompassing three different species (5,000 for each species) were manually transplanted. The selected species were wild mustard (Sinapis arvensis L.), ryegrass (Lolium perenne L.), and chamomile (Matricaria chamomilla L.). The weeds were selected to provide different patterns and shapes. During the competition a mobile rover developed by Agilex was employed to perform the functionality BenchMarks and a large amount of RGBD images were collected.
2. In light of the anticipated surge in the global population to 9-10 billion by 2050, there is a pressing need for agricultural production methods that are both efficient and environmentally sustainable. To help meet these challenging demands, Artificial Intelligence and Robotics technologies are being increasingly adopted in the agricultural sector to support precision agriculture tasks. This work focuses on the specific task of autonomous weeding, which requires expertise at the intersection of Computer Vision and Agronomy. One key prerequisite to autonomous weeding is the capability to segment weeds and crops from robot-collected images. However, robust segmentation performance is typically achieved, in Computer Vision, by relying on extensive and densely labelled datasets whose creation can be both expensive and time-intensive. Common detectors like YOLO perfectly exemplify this paradigm. By contrast, Few-Shot Learning (FSL) methods can learn from minimal annotated examples and drastically mitigate the costs and challenges associated with acquiring large datasets. In this paper, we show that HDMNet, a cost-effective FSL architecture, can already ensure 73 to 80% of the upper-bound performance of data-hungry YOLOv5 and YOLOv8 models for the detection of Bean and Corn crop regions. Crucially, these results can be achieved with as few as one support example, effectively zeroing out the data annotation cost. In the lack of reference data on the human labour required to collect expensive annotations that require the knowledge of experts in agronomy, this paper provides a novel analysis of human labour costs associated with agricultural dataset curation that is grounded in the real use-case of labelling robot-collected images with crop and weed regions. As such, the paper offers a layered analysis of the trade-offs between human effort, dataset size, label quality, and prediction accuracy when designing and building datasets for agricultural image analysis. Quantitative performance and cost results are complemented by a qualitative analysis of common error causes in the model predictions, leading to partial crop and weed region coverage mainly due to the incidence of small and sparse weed regions, crops overshadowing small-sized weeds, as well as insufficiently granular ground truth annotations generated via semi-autonomous pipelines (Segment Anything). Concurrently, we curate and contribute a comprehensive dataset for crop and weed segmentation, the 2023 ACRE Competition dataset, which includes an 'Early Dataset' and a densely annotated 'Refined Dataset', acquired under different geographical, soil, robot configuration and lighting conditions that previously released datasets in the literature. These novel contributions guide the development of weed-crop segmentation solutions that are both high-performance and cost-effective.
3. Sustainable turfgrass management is essential for maintaining healthy and visually appealing green spaces. Autonomous mowers have emerged as an innovative solution, but the efficiency and quality of mowing operations depend on several factors. This study investigates the impact of mowing patterns and cutting heights on the performance of an autonomous mower through updated custom-built software. Three different mowing patterns (vertical, diagonal, and horizontal) and two cutting heights (3 cm and 6 cm) were analysed to analyse mowing efficiency, coverage, and cutting uniformity. The vertical pattern emerged as the most effective, maximizing speed (0.52 m s-1) and efficiency (0.77), while minimizing overlap (4.27 cm) and uncut areas (0.014 m2). In contrast, the horizontal and diagonal patterns showed lower efficiency (0.71 and 0.76) and less coverage percentage (97.05% and 96.71%) compared to the vertical pattern (98.57%). Cutting height influenced performance, with higher heights sometimes requiring adjustments to prevent inefficiencies. The interaction between the mowing pattern and cutting height was critical for optimizing both operational efficiency and cutting quality. These findings highlight the importance of selecting an appropriate mowing pattern and cutting height tailored to the specific operational goals.
4. Turfgrasses deliver essential ecosystem services, including soil protection, temperature mitigation, and aesthetic enhancement of green areas. Mowing is a key practice to ensure these benefits, particularly when performed in a proper way, as with autonomous mowers. However, mowing patterns and the resulting trampling can influence the visual quality of turfgrass, especially through overlapping and uncut areas caused by turn trajectories. This study aimed to validate the measurement accuracy of a new function in a custom-built software (v2.5.0.0) designed to analyse mower trajectories via RTK-GPS data, and to assess the influence of three mowing patterns (vertical, horizontal, diagonal) on overlapping and uncut areas. The software outputs were validated against two manual tracking methods: chalk powder and wire. The experiment was conducted on a mature Bermudagrass stand, and trajectory data were analysed using ANOVA. Results showed that the measurement method significantly affected straight trajectory overlap, with the wire method underestimating overlap (2.36 cm) due to field-related operational limits. In contrast, chalk powder (3.72 cm) and software (4.71 cm) produced comparable results. Significant differences were also observed in turn trajectory no-cut areas, especially with the diagonal mowing pattern, which generated the largest uncut zones (0.059 m2).
5. In the framework of the ongoing digital and ecological transition in agriculture, this trial was designed to assess the real applicability of autonomous robotic systems for vineyard management. By comparing a traditional tractor-based approach with an autonomous robot for under row weed control, the study aims to provide objective data on performance, environmental sustainability, operational efficiency and evaluate the feasibility of the autonomous approach through Business Process Model and Notation BPMN-CBA approach. The evaluation of both systems focused on several key performance indicators. The quality and efficacy of the intervention were assessed through pre- and post-operation measurements of weed biomass (g d.m. m−2), coverage (%), height (cm), and floristic composition (species richness, Shannon diversity index and evenness), considering both the inter-vine spaces and the areas immediately surrounding the trunks. Soil compaction was analysed. The working width of the under-row portion managed by the robot and the crop damage rate, expressed as the percentage of injured plants per row, were also recorded. Operational efficiency was analysed by measuring the total working time, the energy consumption, and the weeding possibility zone. Environmental performance was quantified through CO₂ emissions (kg ha⁻¹) and comparative energy-use analysis between the robotic and tractor-based systems. Finally, working capacity (ha h⁻¹) and the degree of automation were evaluated, considering the time spent by operators for planning, supervision, and manual control, providing an integrated understanding of the technological and operational sustainability of each management approach. All the data collected were used to perform the BPMN-CBA analysis. Preliminary results show no difference in terms of weed control efficacy, compaction and in terms of weeding possibility zone. The BPMN-CBA highlight a positive NPV for the adoption of autonomous solution on an area of 50 ha.
6. Robotic solutions and technological advances for turf management demonstrated excellent results in terms of quality, energy, and time consumption. Two battery-powered autonomous mowers (2 WD and 4 WD) with random patterns were evaluated according to different trampling levels (control, low, medium, high) on a typical warm season turfgrass at University of Pisa, Italy. Data on the percentage of area mowed, the distance travelled, the number of passages, and the number of intersections were collected through RTK devices and processed by a custom-built software (1.8.0.0). The main quality parameters of the turfgrass were also analysed by visual and instrumental assessments. Soil penetration resistance was measured through a digital penetrometer. The efficiency significantly decreased as the trampling level increased (from 0.29 to 0.11). The over-trampled areas were mainly detected by the edges (on average for the medium level: 18 passages for the edges vs. 14 in the central area). The trampling activity caused a reduction in turf height (from about 2.2 cm to about 1.5 cm). The energy consumption was low and varied from 0.0047 to 0.048 kWh per cutting session. Results from this trial demonstrated suitable quality for a residential turf of the Mediterranean area (NDVI values from 0.5 to 0.6), despite the over-trampling activity. Soil penetration data were low due to the reduced weight of the machines, but slightly higher for the 4 WD model (at 5 cm of depth, about 802 kPa vs. 670 kPa).
7. Autonomous mowers navigation pattern plays a crucial role in turfgrass quality, influencing both aesthetic and functional performance. This study aimed to evaluate the impact of three different autonomous mower navigation patterns (random, vertical, and chessboard) on operational performance and the effect of trampling activity on turfgrass. Each pattern was tested in terms of data on number of passages, distance travelled (m), number of intersections and percentage of area mowed using a remote sensing system and an updated custom-built software. Green coverage percentage was assessed weekly using image analysis (Canopeo app) to evaluate the turfgrass quality. The green coverage percentage, together with the number of passages, are analysed and correlated. The random pattern generated the highest number of passages and intersections, leading to lower average green coverage (64%) compared with the chessboard (80%) and vertical (81%) patterns. The effective number of passages to reach 60% green cover (EP60) was 56, 87, and 155 for random, vertical, and chessboard, respectively. Future studies should extend this approach to other species and environmental conditions, integrating the effective dose (in terms of passages) method into decision-support systems for smart mowing management.
8. The quality of sports facilities, especially football pitches, has gained significant attention due to the growing importance of sports globally. This study examines the effect of two different cutting systems, a traditional ride-on mower and an autonomous mower, on the quality and functional parameters of a municipal football field. The analysis includes visual assessments, measurements of grass height, and evaluations of surface hardness, comparing the performance of the two cutting systems. Additionally, studies of turfgrass composition and machine learning techniques, particularly with YOLOv8s and YOLOv8n, are conducted to test the capability of assessing weed and turfgrass species distribution. The results indicate significant differences in grass colour based on the position (5.36 in the corners and 3.69 in the central area) and surface hardness between areas managed with a traditional ride-on mower (15.25 Gmax) and an autonomous mower (10.15 Gmax) in the central region. Higher height values are recorded in the area managed with the ride-on mower (2.94 cm) than with the autonomous mower (2.61 cm). Weed presence varies significantly between the two cutting systems, with the autonomous mower demonstrating higher weed coverage in the corners (17.5%). Higher overall performance metrics were obtained through YOLOv8s. This study underscores the importance of innovative management practices and monitoring techniques in optimizing the quality and playability of a football field while minimizing environmental impact and management efforts.
9. Planning and management of green spaces play a key role for the biodiversity conservation and enhancement in urban context. Among these green areas, lawns can provide different ecosystem services including the biodiversity promotion. Furthermore, residential, and public lawns are crucial for bees and other pollinator populations. However, lawn management practices, especially intensive mowing, can negatively affect plants diversity and abundance disrupting pollinators activity. Since the many limits connected to the use of traditional mowing machines autonomous mowers are becoming very popular in both public and private green areas. Nevertheless, very little is known about their influence on biodiversity, and particularly on pollinators. In this perspective the use of Phyla nodiflora, a creeping plant species frequently visited by pollinators, obtained positive results when managed with an autonomous mower. In this study, P. nodiflora plants are transplanted in spots (8 spots for each plot) within a turf mainly composed of bermudagrass (Cynodon dactylon x transvaalensis “Patriot”) with the aim of promoting greater floral diversity and the conservation of pollinators. The research aim is to evaluate two different autonomous mowers navigation systems (random vs systematic) and two different cutting height (2 cm vs 6 cm) in terms of the effect on P. nodiflora. Phyla nodiflora flowers height, number of Phyla nodiflora flowers, Phyla nodiflora coverage per plot and turfgrass height were assessed. Furthermore, the development of a script enabling automatic flower counting was completed; the reliability and consistency of automatic counts was assessed. Data on monitoring of pollinators were used to calculate the family richness, the Shannon diversity index and the Evenness. The treatment, the survey data and their interaction had a significant effect (p<0.001) on flower height, number of flowers and coverage percentage. Highest values of flower height were recorded in treatment with systematic pattern, the highest one in treatment 2 (6.08). The same trend was recorded for others parameters with highest value in treatment with systematic pattern (i.e. treatment 1 with 29.46 number of flowers and 6.23 % of coverge). Regarding the automatic flower counting YOLOv8s and YOLOv11s exhibited better performance respect to the nano models, but, overall YOLOv8s represent a preferable choice. The family richness exhibited the highest value in treatment 2, the evenness in the treatment 4.

Nel contesto dell’attuale transizione digitale ed ecologica promossa dalle strategie europee, all’agricoltura e alla gestione delle aree verdi è sempre più richiesto di adottare approcci sostenibili e tecnologicamente avanzati. In questo contesto, il paesaggio è il risultato dell’interazione tra fattori naturali, culturali, antropogenici e produttivi, rendendolo un sistema complesso da gestire e preservare al fine di migliorare la resilienza degli agroecosistemi. La gestione degli agroecosistemi moderni affronta la duplice sfida di ridurre gli input chimici, come quelli comunemente impiegati per il controllo delle infestanti, e il consumo di risorse, mantenendo al contempo la produttività e migliorando la biodiversità. Per tutte queste ragioni è necessario identificare e integrare diverse strategie e tecnologie di supporto per realizzare una reale transizione digitale nell’agricoltura e nella gestione delle aree verdi. In questo contesto, tecnologie come la robotica, l’imaging digitale e l’intelligenza artificiale (AI) possono svolgere un ruolo cruciale nell’ottimizzazione delle operazioni di manutenzione, nel miglioramento dell’efficienza nell’uso delle risorse e nella promozione della conservazione della biodiversità.
Sono state condotte 9 prove sperimentali che hanno affrontato diversi aspetti dell’innovazione digitale e robotica applicata alla gestione degli agroecosistemi, strutturate in tre principali aree tematiche: benchmarking e validazione dei robot agricoli, gestione e prestazioni operative dei sistemi robotici, impatti ecologici e sulla biodiversità della gestione robotizzata.
1. La progettazione della campagna di campo della competizione ACRE 2023 è stata inizialmente concepita e successivamente realizzata, con particolare attenzione alla timeline e a tutte le operazioni necessarie per impostare un disegno sperimentale adeguato alla valutazione delle prestazioni dei robot autonomi per il diserbo, basato su benchmark oggettivi: il Functionality BenchMark (FBM) relativo alla discriminazione delle piante e alla navigazione in campo. Il campo di prova designato per la campagna copriva un’area di 2.8 ettari ed era suddiviso in 35 parcelle distinte, ciascuna con una funzione specifica. Queste parcelle sono state seminate con tre diverse colture: 18 file di mais (Zea mays L.), 16 file di fagiolo (Phaseolus vulgaris L.) e una parcella più ampia di barbabietola (Beta vulgaris L.). Le due colture principali sono state seminate lungo file con differenti distanze tra loro, 75 cm per il mais e 37.5 cm per il fagiolo. In particolare, nelle parcelle di fagiolo erano presenti tre file sfalsate, mentre nelle parcelle di mais due file sfalsate. È stato scelto lo stesso numero di piante coltivate in ciascuna fila, con la stessa distanza tra loro, per garantire le stesse condizioni per tutti i partecipanti. Per facilitare le manovre e garantire una chiara delimitazione tra le parcelle, sono stati lasciati appositi corridoi tra di esse. Operazioni di diserbo manuale sono state effettuate in ciascuna parcella, ad eccezione delle parcelle di B. vulgaris L.. È importante sottolineare che le piante esistenti di Lolium perenne L. sono state intenzionalmente lasciate all’interno delle parcelle di P. vulgaris L.. Inoltre, come parte del disegno sperimentale, 15,000 piante infestanti, appartenenti a tre diverse specie (5,000 per ciascuna specie), sono state trapiantate manualmente. Le specie selezionate sono state Sinapis arvensis L., Lolium perenne L. e Matricaria chamomilla L.. Le infestanti sono state selezionate per fornire diversi pattern e forme. Durante la competizione è stato utilizzato un rover mobile sviluppato da Agilex per eseguire i test di Functionality BenchMark ed è stato raccolto un ampio dataset di immagini.
2. Alla luce del previsto aumento della popolazione mondiale fino a 9–10 miliardi entro il 2050, esiste una pressante necessità di metodi di produzione agricola che siano sia efficienti sia sostenibili dal punto di vista ambientale. Per contribuire a soddisfare queste esigenze, le tecnologie di intelligenza artificiale e robotica vengono sempre più adottate nel settore agricolo per supportare le attività di agricoltura di precisione. Questo lavoro si concentra sul compito specifico del diserbo autonomo, che richiede competenze all’intersezione tra computer vision e agronomia. Un prerequisito fondamentale per il diserbo autonomo è la capacità di segmentare infestanti e colture dalle immagini raccolte dal robot. Tuttavia, in computer vision, prestazioni di segmentazione robuste vengono tipicamente ottenute facendo affidamento su dataset estesi e densamente etichettati, la cui creazione può essere sia costosa sia dispendiosa in termini di tempo. Rilevatori comuni come YOLO esemplificano perfettamente questo paradigma. Al contrario, i metodi di Few-Shot Learning (FSL) possono apprendere a partire da un numero minimo di esempi annotati e mitigare drasticamente i costi e le difficoltà associate all’acquisizione di grandi dataset. In questo lavoro mostriamo che HDMNet, un’architettura FSL economicamente efficiente, può già garantire dal 73 all’80% delle prestazioni limite dei modelli YOLOv5 e YOLOv8, notoriamente richiedenti grandi quantità di dati, per il rilevamento di Phaseolus vulgaris L. e Zea mays L.. In modo significativo, questi risultati possono essere ottenuti con un solo esempio di supporto, azzerando di fatto il costo di annotazione dei dati. In assenza di dati di riferimento sul lavoro umano necessario per raccogliere annotazioni costose che richiedono la conoscenza di esperti in agronomia, questo lavoro fornisce una nuova analisi dei costi di lavoro umano associati alla creazione di dataset agricoli, basata sul caso reale dell’etichettatura di immagini raccolte da robot contenenti foto di colture principali e infestanti. Pertanto, il lavoro offre un’analisi stratificata dei compromessi tra impegno umano, dimensione del dataset, qualità delle etichette e accuratezza delle previsioni nella progettazione e costruzione di dataset per l’analisi di immagini agricole. I risultati quantitativi relativi a prestazioni e costi sono integrati da un’analisi qualitativa delle cause più comuni di errore nelle predizioni dei modelli, che portano a una copertura parziale delle regioni delle colture principali e delle infestanti principalmente a causa dell’incidenza di regioni infestanti piccole e sparse, della copertura delle infestanti di piccole dimensioni da parte delle colture principali, nonché di annotazioni di ground truth insufficientemente granulari generate tramite pipeline semi-autonome (Segment Anything). Parallelamente, è stato curato e reso disponibile un dataset completo per la segmentazione coltura-infestanti, il dataset della competizione ACRE 2023, che include un “Early Dataset” e un “Refined Dataset” densamente annotato, acquisiti in diverse condizioni geografiche, di suolo, di configurazione robotica e di illuminazione rispetto ai dataset precedentemente pubblicati in letteratura. Questi nuovi contributi guidano lo sviluppo di soluzioni di segmentazione coltura-infestanti sia ad alte prestazioni sia economicamente efficienti.
3. La gestione sostenibile dei tappeti erbosi è essenziale per mantenere spazi verdi sani e visivamente gradevoli. I robot rasaerba sono emersi come una soluzione innovativa, ma l’efficienza e la qualità dell’attività di taglio dipendono da diversi fattori. Questo studio indaga l’impatto di diversi pattern di navigazione e di diverse altezze di taglio sulle prestazioni di un robot rasaerba attraverso un custom-built software aggiornato. Sono stati analizzati tre diversi pattern (verticale, diagonale e orizzontale) e due altezze di taglio (3 cm e 6 cm) per analizzare l’efficienza di taglio, la copertura e l’uniformità del taglio. Il pattern verticale è risultato il più efficace, massimizzando la velocità (0.52 m s⁻¹) e l’efficienza (0.77), minimizzando al contempo la sovrapposizione (4.27 cm) e le aree non tagliate (0.014 m²). Al contrario, i pattern orizzontale e diagonale hanno mostrato un’efficienza inferiore (0.71 e 0.76) e una percentuale di copertura minore (97.05% e 96.71%) rispetto al pattern verticale (98.57%). L’altezza di taglio ha influenzato le prestazioni, con altezze maggiori che talvolta hanno richiesto regolazioni per prevenire inefficienze. L’interazione tra pattern di taglio e altezza di taglio è risultata critica per ottimizzare sia l’efficienza operativa sia la qualità del taglio. Questi risultati evidenziano l’importanza di selezionare un pattern di taglio e un’altezza di taglio appropriati in funzione degli specifici obiettivi operativi.
4. I tappeti erbosi forniscono servizi ecosistemici essenziali, tra cui la protezione del suolo, la mitigazione della temperatura e il miglioramento estetico delle aree verdi. Il taglio rappresenta una pratica fondamentale per garantire questi benefici, in particolare quando eseguito correttamente, come nel caso dei robot rasaerba. Tuttavia, i pattern e il calpestamento risultante possono influenzare la qualità visiva del tappeto erboso, in particolare attraverso sovrapposizioni e aree non tagliate causate dalle traiettorie di svolta. Questo studio ha avuto l’obiettivo di validare l’accuratezza di misurazione di una nuova funzione di un custom-built software (v2.5.0.0) progettato per analizzare le traiettorie del tagliaerba tramite dati RTK-GPS, e di valutare l’influenza di tre pattern (verticale, orizzontale, diagonale) su sovrapposizioni e aree non tagliate. Gli output del software sono stati validati rispetto a due metodi manuali di tracciamento: polvere di gesso e filo. L’esperimento è stato condotto su un tappeto erboso maturo di Cynodon dactylon L., e i dati delle traiettorie sono stati analizzati mediante ANOVA. I risultati hanno mostrato che il metodo di misurazione ha influenzato significativamente la sovrapposizione nelle traiettorie rettilinee, con il metodo del filo che ha sottostimato la sovrapposizione (2.36 cm) a causa di limiti operativi. Al contrario, polvere di gesso (3.72 cm) e software (4.71 cm) hanno prodotto risultati comparabili. Differenze significative sono state osservate anche nelle aree non tagliate nelle traiettorie di svolta, in particolare con il pattern diagonale, che ha generato le zone non tagliate più ampie (0.059 m²).
5. Nel contesto della transizione digitale ed ecologica attualmente in atto in agricoltura, questa sperimentazione è stata progettata con l’obiettivo di valutare l’applicabilità reale dei sistemi robotici autonomi nella gestione del vigneto. Attraverso il confronto tra un approccio tradizionale basato sull’utilizzo del trattore e un robot autonomo per il controllo delle infestanti nel sottofila, lo studio mira a fornire dati oggettivi sulle prestazioni operative, sulla sostenibilità ambientale e sull’efficienza gestionale, nonché a valutare la fattibilità dell’approccio autonomo mediante l’applicazione del modello Business Process Model and Notation-CBA. La valutazione dei due sistemi si è concentrata su diversi indicatori chiave di prestazione. La qualità e l’efficacia dell’intervento sono state analizzate attraverso misurazioni effettuate prima e dopo l’operazione relative alla biomassa delle infestanti (g s.s. m⁻²), alla copertura (%), all’altezza (cm) e alla composizione floristica (ricchezza specifica, indice di diversità di Shannon ed evenness), considerando sia la zona tra i ceppi sia l’area intorno al ceppo. È stata inoltre valutata la compattazione del suolo. Sono stati registrati anche la larghezza di lavoro della porzione di sottofila gestita dal robot e il tasso di danno alla coltura, espresso come percentuale di piante danneggiate per fila. L’efficienza operativa è stata analizzata mediante la misurazione del tempo totale di lavoro, del consumo energetico e della zona di possibilità di diserbo. Le prestazioni ambientali sono state quantificate attraverso le emissioni di CO₂ (kg ha⁻¹) e mediante un’analisi comparativa dell’utilizzo energetico tra il sistema robotico e quello tradizionale basato sul trattore. Infine, sono state valutate la capacità operativa (ha h⁻¹) e il grado di automazione, considerando il tempo impiegato dagli operatori per la pianificazione, la supervisione e il controllo manuale, al fine di fornire una visione integrata della sostenibilità tecnologica e operativa dei diversi approcci gestionali. Tutti i dati raccolti sono stati utilizzati per condurre l’analisi BPMN-CBA. I risultati preliminari non evidenziano differenze significative in termini di efficacia del controllo delle infestanti, compattazione del suolo e zona di possibilità di diserbo. L’analisi BPMN-CBA evidenzia tuttavia un valore attuale netto (NPV) positivo per l’adozione della soluzione autonoma su una superficie di 50 ha.
6. Le soluzioni robotiche e i progressi tecnologici nella gestione dei tappeti erbosi hanno dimostrato risultati promettenti in termini di qualità del tappeto erboso, consumo energetico e tempi operativi. Due rasaerba autonomi alimentati a batteria (2 WD e 4 WD), caratterizzati da traiettorie random, sono stati valutati in relazione a differenti livelli di calpestio (controllo, basso, medio e alto) su un tappeto erboso tipico di specie macroterme presso l’Università di Pisa. I dati relativi alla percentuale di area tagliata, alla distanza percorsa, al numero di passaggi e al numero di intersezioni sono stati raccolti tramite dispositivi RTK e successivamente elaborati mediante un software appositamente sviluppato (versione 1.8.0.0). Parallelamente, sono stati analizzati i principali parametri qualitativi del tappeto erboso attraverso valutazioni visive e strumentali. La resistenza alla penetrazione del suolo è stata misurata mediante penetrometro. I risultati hanno evidenziato una significativa riduzione dell’efficienza all’aumentare del livello di calpestio (da 0.29 a 0.11). Le aree maggiormente soggette a sovra-calpestio sono risultate principalmente localizzate lungo i bordi (in media, per il livello medio: 18 passaggi ai bordi contro 14 nell’area centrale). L’attività di calpestio ha inoltre determinato una riduzione dell’altezza del tappeto erboso, passata da circa 2.2 cm a circa 1.5 cm. Il consumo energetico si è dimostrato contenuto, con valori compresi tra 0.0047 e 0.048 kWh per sessione di taglio. Nonostante l’intensa attività di calpestio, i risultati hanno evidenziato una qualità complessiva adeguata per un tappeto erboso residenziale tipico dell’area mediterranea, con valori di NDVI compresi tra 0.5 e 0.6. I valori di resistenza alla penetrazione del suolo sono risultati generalmente bassi, grazie al ridotto peso delle macchine, sebbene leggermente superiori per il modello 4 WD (a 5 cm di profondità: circa 802 kPa rispetto a 670 kPa).
7.Il pattern di navigazione dei robot rasaerba rappresenta un fattore determinante per la qualità del tappeto erboso, influenzando sia gli aspetti estetici sia quelli funzionali. Lo scopo di questo studio è stato valutare l’impatto di tre differenti pattern (random, verticale e a scacchiera) sulle prestazioni operative e sull’effetto dell’attività di calpestio sul tappeto erboso. Per ciascun pattern sono stati raccolti dati relativi al numero di passaggi, alla distanza percorsa (m), al numero di intersezioni e alla percentuale di area tagliata, utilizzando un sistema RTK-GNSS e un software personalizzato aggiornato. La percentuale di copertura verde è stata valutata settimanalmente tramite analisi delle immagini mediante l’applicazione Canopeo, al fine di monitorare la qualità del tappeto erboso. Tale parametro è stato analizzato e correlato con il numero di passaggi effettuati. I risultati hanno evidenziato che il pattern random genera il maggior numero di passaggi e intersezioni, determinando una copertura verde media inferiore (64%) rispetto ai pattern a scacchiera (80%) e verticale (81%). Il numero effettivo di passaggi necessario per raggiungere una copertura verde del 60% (EP60) è risultato pari a 56, 87 e 155 rispettivamente per i pattern random, verticale e a scacchiera. Ulteriori studi dovrebbero estendere questo approccio ad altre specie e condizioni ambientali, integrando il metodo della “dose efficace”, espressa in termini di numero di passaggi, nei sistemi di supporto alle decisioni per una gestione intelligente dello sfalcio.
8. La qualità degli impianti sportivi, e in particolare dei campi da calcio, ha assunto crescente rilevanza a livello globale. Questo studio analizza l’effetto di due diversi sistemi di taglio, un rasaerba tradizionale con conducente a bordo e un rasaerba autonomo, sulla qualità e sui parametri funzionali di un campo da calcio comunale. L’analisi ha incluso valutazioni visive, misurazioni dell’altezza dell’erba e valutazioni della durezza del manto erboso, con l’obiettivo di confrontare le prestazioni dei due sistemi di gestione. Sono inoltre stati condotti studi sulla composizione del tappeto erboso e applicate tecniche di machine learning, in particolare mediante i modelli YOLOv8s e YOLOv8n, per valutare la capacità di analizzare la distribuzione delle infestanti e delle specie del tappeto erboso. I risultati hanno evidenziato differenze significative nel colore dell’erba in funzione della posizione (5.36 negli angoli e 3.69 nell’area centrale) e nella durezza della superficie tra le aree gestite con rasaerba tradizionale (15.25 Gmax) e quelle gestite con robot rasaerba (10.15 Gmax) nella zona centrale. Valori di altezza dell’erba più elevati sono stati registrati nelle aree gestite con il rasaerba tradizionale (2.94 cm) rispetto a quelle gestite con il robot rasaerba (2.61 cm). La presenza di infestanti ha mostrato variazioni significative tra i due sistemi di taglio, con una maggiore copertura negli angoli nelle aree gestite con rasaerba autonomo (17.5%). Le migliori prestazioni complessive nei processi di riconoscimento automatico sono state ottenute mediante il modello YOLOv8s. Lo studio evidenzia l’importanza dell’adozione di pratiche di gestione innovative e di tecniche di monitoraggio avanzate per ottimizzare la qualità e la giocabilità dei campi da calcio, riducendo al contempo l’impatto ambientale e gli sforzi gestionali.
9. La pianificazione e la gestione degli spazi verdi urbani rivestono un ruolo fondamentale nella conservazione e nel miglioramento della biodiversità. Tra queste aree, i prati possono fornire numerosi servizi ecosistemici, tra cui la promozione della biodiversità. In particolare, i prati residenziali e pubblici rappresentano habitat importanti per api e altri insetti impollinatori. Tuttavia, alcune pratiche di gestione, in particolare lo sfalcio intensivo, possono ridurre la diversità e l’abbondanza delle specie vegetali, interferendo con l’attività degli impollinatori. A causa delle limitazioni associate all’utilizzo delle macchine tradizionali, i robot rasaerba stanno diventando sempre più diffusi sia nelle aree verdi pubbliche sia in quelle private. Nonostante ciò, le conoscenze relative al loro impatto sulla biodiversità, e in particolare sugli impollinatori, sono ancora limitate. In questo contesto, l’impiego di Phyla nodiflora, una specie frequentemente visitata dagli impollinatori, ha mostrato risultati promettenti quando gestita mediante rasaerba autonomi. Nel presente studio, piante di Phyla nodiflora sono state trapiantate in otto punti per ciascuna parcella all’interno di un tappeto erboso composto prevalentemente da Cynodon dactylon × transvaalensis “Patriot”, con l’obiettivo di promuovere una maggiore diversità floreale e favorire la conservazione degli impollinatori. L’obiettivo della ricerca è stato valutare l’effetto di due diversi sistemi di navigazione dei rasaerba autonomi (random e sistematico) e di due differenti altezze di taglio (2 cm e 6 cm) su P. nodiflora. Sono stati analizzati diversi parametri, tra cui l’altezza dei fiori, il numero di fiori, la percentuale di copertura di Phyla nodiflora per parcella e l’altezza del tappeto erboso. È stato inoltre sviluppato uno script per il conteggio automatico dei fiori e ne sono state valutate l’affidabilità e la coerenza. I dati relativi al monitoraggio degli impollinatori sono stati utilizzati per calcolare la ricchezza delle famiglie, l’indice di diversità di Shannon e l’evenness. I risultati hanno evidenziato un effetto significativo (p < 0.001) del trattamento, dei dati di rilievo e della loro interazione sull’altezza dei fiori, sul numero di fiori e sulla percentuale di copertura. I valori più elevati di altezza dei fiori sono stati registrati nei trattamenti con pattern sistematico, con il valore massimo nel trattamento 2 (6.08). Un andamento analogo è stato osservato anche per gli altri parametri, con i valori più elevati nei trattamenti caratterizzati da pattern sistematico (ad esempio, nel trattamento 1 con 29.46 fiori e il 6.23% di copertura). Per quanto riguarda il conteggio automatico dei fiori, i modelli YOLOv8s e YOLOv11s hanno mostrato prestazioni migliori rispetto ai modelli nano; complessivamente, YOLOv8s è risultato il modello più adatto. La ricchezza delle famiglie ha mostrato il valore più elevato nel trattamento 2, mentre l’evenness nel trattamento 4.