|
|
I ricercatori italiani hanno sviluppato un metodo per prevedere il rendimento delle vigne basandosi su immagini aeree. Hanno dimostrato che è possibile determinare rapidamente e affidabilmente la quantità di raccolto prima della vendemmia utilizzando i droni. Questo studio pubblicato sulla piattaforma di ricerca Oeno-one è il primo sull'uso dei droni per la stima del rendimento nella viticoltura. Il team era composto da scienziati del Consiglio Nazionale delle Ricerche Italiane e dell'Università di Modena e Reggio Emilia. Hanno sfruttato il fatto che le caratteristiche esterne dei prodotti agricoli possono essere catturate bene con l'elaborazione delle immagini digitali. Fondamentali per l'analisi delle immagini aeree digitali sono i pixel delle immagini provenienti dall'uva.
Le indagini si sono svolte nel 2021 e nel 2022 in diverse vigne di Sangiovese vicino a Siena. Qui i ricercatori hanno posizionato marcatori di confronto colorati per identificare le uve nelle immagini aeree e automatizzare l'elaborazione delle immagini. Successivamente, droni dotati di telecamere hanno sorvolato le vigne e fotografato le viti. Le distorsioni geometriche portate dalle immagini aeree sono state corrette dagli scienziati utilizzando uno strumento di punti di controllo. Per il riconoscimento delle uve, hanno utilizzato soglie di colore e filtri per le immagini. Dalla quantità di pixel delle uve così determinata, i ricercatori hanno poi calcolato il rendimento dell'uva per pianta utilizzando un modello di regressione lineare. Dopo il raccolto nei due anni, è stato stabilito il rendimento effettivo. Il risultato della previsione automatica si è rivelato soddisfacente: il valore dell'errore rilevante era entro il range di tolleranza.
Fino ad ora, i viticoltori stimano spesso il rendimento della vigna tagliando e pesando campioni di uva. I valori stimati risultanti forniscono quindi la quantità di raccolto prevista. Questo approccio richiede tempo ed è particolarmente difficile in terreni scoscesi. Il nuovo metodo è notevolmente più veloce, indipendente dalla topografia e dalle condizioni atmosferiche e evita interventi nella vigna.
Il team di ricerca intende ora migliorare ulteriormente l'elaborazione delle immagini e utilizzare strumenti di deep learning per riconoscere e segmentare i pixel delle uve. Ulteriori obiettivi sono estendere l'approccio ad altri settori agricoli e sviluppare strumenti facili da usare per l'applicazione, ad esempio con smartphone.
(cs / oeno-one.eu)