• agricoltura di precisione
• drones
• droni
• precision agriculture
• rilevamento delle malerbe
• weed detection

Nei sistemi agricoli, le piante infestanti sono un fattore limitante per le colture agricole, poiché competono per diverse risorse tra cui radiazione solare, spazio, acqua e sostanza nutritive, causando notevoli perdite economiche tutt’altro che trascurabili. Dunque, una corretta gestione delle specie vegetali infestanti è alla base di un’agricoltura economicamente sostenibile.
Negli ultimi anni sono stati sviluppati dei sensori (RGB, multispettrali, iperspettrali, termici) di dimensioni tali da poter essere alloggiati anche sui droni in modo da poter monitorare i campi coltivati da altezze diverse. Questo progresso tecnico costituisce uno dei pilastri indispensabile allo sviluppo di tecniche di agricoltura di precisione, in grado di fornire all’agricoltore informazioni preziose sullo stato del terreno e sullo sviluppo delle colture. La ricerca e la messa a punto di nuovi metodi di elaborazione dei dati hanno consentito inoltre di estrarre il maggior numero possibile di informazioni dai dati telerilevati permettendo all’agricoltore di pianificare interventi specifici al giusto momento e di ridurre significativamente la quantità degli input utilizzati, in particolare modo diserbanti, risorse idriche e fertilizzanti.
Nell’ambito del rilevamento e del controllo delle specie vegetali infestanti, i droni sono in grado di produrre immagini digitali degli appezzamenti coltivati che possono essere trasformate, mediante l’applicazione di opportuni algoritmi, in mappe di intensità di infestazione, di prescrizione, di guida all’esecuzione di trattamenti erbicidi sito-specifici.
Negli ultimi anni, le tecnologie informatiche abbinate ai sistemi di visione artificiale, ossia dispositivi e tecniche in grado di acquisire e rielaborare immagini per ottenere informazioni, hanno permesso di rilevare in maniera accurata sia le colture di interesse che le specie vegetali infestanti, ricavando informazioni importanti per una gestione sito-specifica delle malerbe.
In questo studio, le immagini digitali, ottenute tramite droni, sono state pre-elaborate ed annotate. Partendo da tale strato informativo si è proceduto all’implementazione un’attività di training basata sul ricorso alle reti neurali. La rete neurale è stata addestrata e testata inizialmente su immagini note presenti nel sottoinsieme del data-set appositamente creato con Labelbox per valutarne la precisione. Successivamente la rete è stata testata su immagini non segmentate precedentemente per esaminare l’efficacia delle procedure messe a punto.
Nella nostra ricerca, i dati forniti durante l’addestramento non sono risultati sufficienti ad “insegnare” alla rete neurale come discriminare la copertura delle piante infestanti da quella del mais. Ulteriori ricerche saranno necessarie per implementare procedure di successo.