Attraverso un progetto sviluppato dall'Andalusian Operative Group, con la partecipazione di Agrosap, Cooperativas Agroalimentarias e Università di Siviglia, è in fase di sviluppo un sistema per identificare le arance con immagini RGB, catturate da un drone volante in combinazione con un modello di apprendimento automatico, che dovrebbe servire a stimare la produzione nelle coltivazioni agrumicole.
Dato che la coltivazione degli agrumi è attualmente una delle più importanti nei Paesi del bacino del Mediterraneo, con 513.602 ettari di superficie coltivata, il 57% dei quali (295.000 ha) sono in Spagna, e il raccolto è una delle operazioni più costose, perché è necessario farlo manualmente, scegliere il momento giusto per effettuarlo è estremamente importante.
Misurare la maturazione, il colore del frutto e il calibro sono i fattori determinanti, e possono essere stimati attraverso la cosiddetta agricoltura di precisione.
Con questo nuovo progetto, l'analisi delle immagini RGB ottenute viene combinata con l'uso di tecniche di apprendimento automatico (ML). Queste tecniche consentono lo sviluppo di un modello basato su un set di dati ottenuti in precedenza, rendendo possibile l'ordinamento automatico o il rilevamento di elementi in tali immagini.
Pertanto, i veicoli aerei senza equipaggio (UAV), in grado di trasportare sensori e telecamere ad altissima risoluzione, offrono un'alternativa che può essere implementata rapidamente ed è economica. Inoltre generano una grande quantità di dati, solitamente sotto forma di immagini o sequenze video, e consentono modelli di volo flessibili, adattati alle attività richieste. La combinazione del potenziale tecnologico dei droni e delle tecniche ML, fornisce una prospettiva e delle informazioni uniche che, altrimenti, sarebbero molto costose da ottenere usando le tecniche tradizionali.
Lo sviluppo di questa nuova metodologia per stimare la resa degli aranci con alta precisione, o almeno con un margine di errore inferiore rispetto ai metodi visivi, può contribuire a migliorare la redditività e ridurre i costi logistici e operativi.
Una volta completato il progetto, si è riscontrato che la stima del modello della resa era più vicina alla resa reale di quella determinata da un tecnico professionista che utilizza i modelli visivi, con un margine di errore di appena l'1,54%.
Fonte: interempresas.net