Individuare lo zigolo dolce con droni e algoritmi

Agroscope e la ZHAW studiando insieme se, grazie alle fotografie aeree, sia possibile utilizzare un algoritmo di Deep Learning per individuare lo zigolo dolce con un elevato grado di certezza.

L’agricoltura digitale promette molto: droni intelligenti dovrebbero individuare malerbe, parassiti oppure deficit nutrizionali, trasformare le informazioni raccolte in schede applicative e trasferire i dati a sciami di robot indipendenti/autonomi, i quali successivamente affrontano il problema. Per il famigerato problema del cipero dolce sarebbe già un grande passo avanti, se fosse possibile il rilevamento precoce mediante droni e una registrazione precisa e immediata dei focolai nelle superfici contaminate. Se riuscisse l’identificazione del cipero dolce mediante l’ausilio di droni e un successivo algoritmo di Deep-Learning si ridurrebbero i tempi di controllo in campo.

Il progetto è iniziato Nell’ambito del progetto

“Con droni e deep learning per l’identificazione di neofite, partendo dal cipero dolce Cyperus esculentus” si sono eseguiti a giugno i primi voli su due superfici di mais. Al progetto partecipano i gruppi di ricerca «Geoinformatica» e «Elaborazione dei dati e statistica» della ZHAW, come pure il gruppo «Extension orticoltura» di Agroscope. Durante il progetto di un anno dovranno essere affrontate le prime domande, come «a partire da quale dimensione è possibile identificare il cipero germogliante?», oppure «qual è il momento opportuno per eseguire un monitoraggio con droni?”. 

I sorvoli vengono eseguiti con tre droni diversi in postemergenza. Ambedue le superfici, prima della semina di mais, sono state trattate con Dual Gold che è stato incorporato superficialmente. Su una delle superfici si sono riscontrate, a inizio post-emergenza e al momento dell’indagine (mais nello stadio BBCH 13-14) solo poche, singole piante di cipero dolce. Sull’altra superficie (mais in BBCH 16-17) si sono riscontrate singole piante di cipero dolce e anche focolai estesi lungo il senso delle lavorazioni. La contaminazione con cipero dolce è stata pure geo-referenziata manualmente, ciò significa con un apparecchio gps Trimble sono state registrate sia posizione delle singole piante, come anche dei focolai. Dopo i sorvoli e le indagini le superfici sono state trattate con Equip Power per lottare contro il cipero dolce emergente e per evitare la formazione di nuovi tuberi.

Le fotografie fatte durante i sorvoli devono ancora essere etichettate, ciò significa che devono ancora essere marcate da una persona per indicare se si tratta o no di cipero dolce. Questi dati servono allo sviluppo di un algoritmo di deep-learning – quindi come banca dati di base per apprendere l’identificazione precoce del cipero dolce. Nel corso dell’estate sono pianificati ulteriori sorvoli su superfici di cereali o colza raccolte che presentavano dei focolai densi di cipero dolce.

Sulla base dei risultati ottenuti con questo progetto, si può stimare se è possibile utilizzare un algoritmo di deep learning per rilevare con certezza del cipero dolce attraverso immagini prese dall’alto.

 

Contatto

J. Junghardt, Geoinformatik, ZHAW

H. Grabner,  Datenauswertung und Statistik, ZHAW

 

Informazioni complementari

2_inflorescence_souchet

Zigolo dolce

Lo zigolo dolce (Cyperus esculentus) è una pianta non indigena, scoperta in Svizzera circa 30 anni fa, che si è sviluppata a dismisura a scapito delle colture locali. È classificata tra le neofite invasive.

Schweine Erdmandelgras

Suini allevati all’aperto contro lo zigolo dolce

L’utilizzo dei suini per combattere la malerba zigolo dolce è una scelta ecologica, efficace, rispettosa del suolo e offre un valore aggiunto: la possibilità di vendere la carne degli animali.

Ultima modifica 20.07.2022

Inizio pagina