LE TECNOLOGIE
Piattaforma ICT
SMAART offre una piattaforma intelligente capace di ricevere datasets di grande scala ed eterogenei di provenienza diversa: fotografie/video acquisiti in campo, immagini satellitari, informazioni agrometeo, output di sensori on-board di rover e UASs e output di sensori fissi in campo e sul pascolo.
I dataset saranno suddivisi in pubblici e riservati, con accesso inizialmente limitato ai soli gruppi di ricerca. Saranno arricchiti nel tempo con dati provenienti da diverse stagioni ed annate. Ogni dataset sarà annotato con cura, grazie alla supervisione di esperti di dominio e utenti finali. Per i dataset di grande scala, verranno impiegate anche tecniche di annotazione automatizzata o semi-automatizzata per facilitare il processo. Il database sarà popolato inizialmente dai dati acquisiti nell’impianto pilota di ortive messo a disposizione dal partner di progetto Sa Marigosa e in un allevamento in regime semi-estensivo di bovini.
L’eventuale disponibilità di dati relativi ad impianti a bassa densità, come le coltivazioni arboree, renderà possibile la generazione di rappresentazioni 3D delle colture basati su singola pianta; analogamente, saranno realizzati alcuni modelli 3D dei singoli animali, espressi tecnicamente come collezione di entità geometriche o griglie triangolari di superfici ispirate agli elementi finiti. Il progetto fornirà risposte operative anche sulle metodologie di acquisizione di questi modelli, basate sull’uso di LiDAR 3D o fotogrammetria ad alta risoluzione.
Algoritmi
Le informazioni contenute nei dataset saranno interpretate, anche in real time, da un set completo di algoritmi di varia natura. I classificatori basati su modelli deep learning consentiranno la scoperta precoce di fitopatie, l’identificazione di specie di insetti, il riconoscimento di specie vegetali infestanti nelle aree a pascolo, la diagnosi di irregolarità comportamentali o nello sviluppo di animali da allevamento, e altro ancora.
Il training ottimizzato di modelli anche ad elevata complessità, condotto con metodologie di high performance computing sulla piattaforma di supercalcolo del CRS4 specifica per l’AI, genererà algoritmi poi quantizzati opportunamente e installati a bordo di rover, UASs o su postazioni fisse, capaci di inferenza in tempo reale. Un tipo diverso di analisi dei dati si basa invece su metodi di computer vision, anche mutuati da altri contesti tecnologici come l’automotive, utilizzati per consentire al rover di acquisire informazione sul mondo esterno e gli oggetti circostanti a fini della localizzazione (basata sulle piante invece che su GNSS), della navigazione, della valutazione di parametri morfologici come dimensioni e forma delle piante o le curve di crescita/lo stato di ingrassamento degli animali.
A differenza della localizzazione che necessita del real time, la ricostruzione dei modelli 3D di piante e animali può essere differita perché i tempi tipici di crescita di entrambi non richiedono una frequenza di campionamento elevata. Infine, metodi deterministici per la valutazione del rischio in campo e in alimentazione animale e di parametri di interesse per la gestione ottimale del pascolo e degli animali, basati su input agrometeo o altri parametri da sensori, possono agire individualmente o essere affiancati a modelli AI per aumentare la capacità predittiva.
Precision Farming
Il sistema prevede l’uso di robot e UAS per un monitoraggio continuo in campo, la creazione di mappe di prescrizione per l’agricoltura di precisione su macchinari 4.0, e la valutazione della disponibilità e composizione del pascolo. Include anche la somministrazione selettiva di fitofarmaci, la generazione di modelli 3D di piante e animali, e l’aggiornamento costante del digital twin della fattoria. Gli UGV, progettati specificamente per l’agricoltura e la zootecnia, sono di dimensioni e peso contenuti, facili da trasportare e sfruttano le ultime tecnologie in ICT, AI, edge computing e sensoristica IoT per offrire soluzioni economiche e innovative.
Il progetto SMAART prevede due case study sui UGV: il primo riguarda un rover compatto ed economico, dedicato al monitoraggio del campo e del pascolo, equipaggiato con algoritmi SLAM per la navigazione autonoma, con l’obiettivo di verificare le sue limitazioni operative e sviluppare tecniche alternative per migliorare le capacità di navigazione. Il secondo UGV, più grande e potente, esplorerà l’adozione di un sistema di erogazione composto da un serbatoio e attuatori elettrici per la distribuzione mirata dei fitofarmaci, creando mappe di trattamento in tempo reale per la registrazione e l’immagazzinamento nel Digital Twin.