Soluzioni tecnologiche innovative per la difesa del vigneto: ispirazioni dai risultati della ricerca

Transcript

1 Soluzioni tecnologiche innovative per la difesa del vigneto: ispirazioni dai risultati della ricerca Roberto Oberti, Aldo Calcante, Marcello Iriti DISAA - Università degli studi di Milano RHO- FIERA MILANO 4 NOVEMBRE 2015 Workshop ENOVITIS INNOVATION - La gestione dello stato sanitario

2 Scopo della presentazione Illustrare alcuni risultati di ricerche DiSAA-UniMI su nuove tecnologie a supporto della difesa in vigneto Ispirare possibili idee di innovazione basate (anche) su questi risultati Avvicinare le prossime fasi delle ricerche alla domanda di innovazione degli operatori potenzialmente interessati Slide 1/16

3 Obbiettivo generale di ricerca: trattamenti di difesa ad altissima precisione Diverse patologie (specialmente fungine) evolvono a macchia di leopardo, emergendo da focolai primari puntiformi I focolai iniziali sono la principale sorgente di inoculo fresco per la diffusione del patogeno Trattamenti attuali di difesa basati su distribuzioni uniformi ripetute durante la stagione (Oberti et al, 2006) Viticoltura: trattamenti/stagione Frutticoltura: trattamenti/stagio

4 Obbiettivo generale di ricerca: trattamenti di difesa ad altissima precisione La disponibilità di tecnologie capaci di rilevare i sintomi e di mirare selettivamente i trattamenti sui focolai primari potrebbe consentire di: ridurre la quantità di agrofarmaci necessaria (trattando dove, quando e quanto serve) arrestare l espansione dell infezione (e la necessità di successivi trattamenti) grazie a distribuzioni mirate e focalizzate Potenziali benefici: Diminuzione dei costi diretti, dei rischi di contaminazione ambientale (acque, deriva in atmosfera), dell esposizione degli operatori Diminuzione dei rischi di residui accidentali nei prodotti (infrazioni di conformità, accessi al mercato) Principi di base della Direttiva quadro sull uso sostenibile degli agrofarmaci (2009/128/EC) in vigore dal 2014

5 Quali tecnologie per l identificazione delle malattie? Gli stress fisiologici causati alla pianta dalle malattie influenzano: attività fotosintetica processo evapotraspirativo struttura chimico-fisica dei tessuti concentrazione dei pigmenti primari morfologie delle foglie densità della vegetazione Tutte queste risposte modificano specifiche proprietà fisiche della pianta e possono essere considerate per la rilevazione mediante sensori A esempio: blocchi nell attività fosotintetica sono rilevabili come incrementi localizzati di emissione di fluorescenza e di radiazione termica emissione di VOC (Volatile Organic Compounds) dai tessuti attaccati dai patogeni/fitofagi rilevabili con sensori elettrochimici (e-nose) 1 dai 2 dai 3 dai 5 dai 8 dai

6 Ricerche al DiSAA UniMI su tecnologie di identificazione delle patologie Differenti tecniche di misura in lab-serra e in condizioni di campo Spettrofotometria a scala fogliare o sub-fogliare Radiometria di fluorescenza a scala multi-fogliare; imaging di fluorescenza Caratterizzazione ottica dei sintomi delle malattie Test preliminari di algoritimi automatici di identificaizone Sintomi previsuali Sistemi basati su telecamere a scala di canopy/pianta Imaging ultispettrale, iperspettrale, RGB, monocromatico Tecnica di sensing orientata alle applicazioni operative finali Sensori elettrochimici per la rilevazione di spore all interno della chioma fogliare Matrici di sensori + apparato di aspirazione

7 Esempio1: Unità di campo per il monitoraggio automatico di fitofagi Sviluppo di unità autonome di campo per la messa a punto di sistemi di autodisseminazione di biocidi in fitofagi Acquisizione e trasmissione remota: entità e dinamica della frequentazione delle stazioni di attrazione modalità comportamentali di frequentazione fattori di repellenza che limitano l efficacia di attrazione o contaminazione Unità low-cost di monitoraggio remoto di trappole cromotropiche a cattura

8 Esempio1: Unità di campo per il monitoraggio automatico di fitofagi capacità di operare anche durante le ore notturne completa autonomia funzionale nell ordine di mesi trasmissione giornaliera dei dati e configurazione remota identificazione e tracking delle visite caratterizzazione del trattamento in termini di attrazione/ avvicinamento (LR) contaminazione (HR)

9 Esempio1: Prove in vigneto e meleto Prove di campo su Lobesia botrana, Cydia pomonella, e Spodoptera Results example on Lobesia b. Vineyard experiment in Cormòns, Jul 07 Treat. A Treat. B Treat. A Treat. B

10 Esempio1: Prove in vigneto e meleto Prove di campo su Lobesia botrana, Cydia pomonella, e Spodoptera Results example on Lobesia b. Vineyard experiment in Cormòns, Jul 07 Treat. A Treat. B Treat. A Treat. B

11 Esempio 2: Automazione di trattamenti mirati su focolai di malattie (progetto UE CROPS) nel progetto UE CROPS è stato sviluppato un robot a elevata modularità e di riconfigurabilità per: operazioni diverse (monitoraggio della maturazione, raccolta selettiva dei prodotti, distribuzione intelligente degli agrofarmaci) differenti colture speciali (vite, melo, peperoni) Applicazione caso di studio: distribuzione selettiva e mirata di agrofarmaci su aree malate nella vite

12 Esempio 2: Attività integrate di ricerca in CROPS Sensoristica e algoritmi per individuazione automatica dei sintomi di malattie Attuatore aerodinamico per distribuzione mirate di fitofarmaci Braccio robotizzato riconfigurabile

13 Esempio 2: Allestimento del robot CROPS per esperimenti di trattamenti mirati su vite R-G-NIR Multispectral camera 3 CCDs 1900x1200pix + RGB Basler Manipulator control PC and power case Precision spraying end effector CROPS manipulator DiSAA Milano marzo 13 Piattaforma mobile con sensing + robot+ controllers PC for sensors acquisition and real-time disease detection Pump and pesticide circuit control Encoder

14 Esempio 2: Trattamenti robotizzati ad altissima precisione omogeneità della copertura fogliare migliorata da tre applicazioni da direzioni diverse (3x 0.5 s, total spraying time 1.5 s ) Diametro medio coperto 15 cm 1.5 s spraying time equivale a una Dose = 380 L/hacanopy_area Precisione complessiva del trattamento entro 3 cm

15 Esempio 2: Esperimenti su focolai di oidio inoculati Obbiettivo : identificazione automatica e trattamento mirato di aree di vegetazione con sintomi di oidio Coltre vegetale ottenuta in serra allineando piantine di vite in vaso Focolai di malattia localizzati ottenuti posizionando piante inoculate all interno della coltre vegetale sana Differenti repliche di parcelle (5 m x 1,9 m) ottenute sostituendo e riposizionando le piantine

16 Misure di riferimento (ground-truth) Prima di ogni trattamento robotizzato, la vegetazione è stata oggetto di un rilievo fitopatologico (ground-truth) con registrazione di : posizione estensione intensità dei sintomi del focolaio I focolai rilevati costituiscono i bersagli di riferimento del trattamento robotizzato

17 Esempio 2: Trattamenti robotizzati ad altissima precisione Spray targets Acquire MS image Send to ROS positions in current robot workspace Update list of targets position Process and detect targets

18 Esempio 2: Trattamenti robotizzati ad altissima precisione Spray targets Step forward y Send to ROS positions in current robot workspace Check list of targets position

19 Esempio 2: Trattamenti robotizzati ad altissima precisione Step forward y

20 Un esempio dei risultati ottenuti Analisi delle immagini multispettrali (parzialmente sovrapposte) Risultati affiancati per l intera parcella

21 Un esempio dei risultati ottenuti: trattamento robotizzato vs riferimento Focolai di sintomi identificati automaticamente e trattamenti effettuati dal robot # Robot spray spots: % Disease sprayed [targets actually sprayed ] 92% Avoid spray excess [area not to be sprayed actually left unsprayed] 84% Pesticide reduction [compared to homogeneous spraying at same application rate] Sintomi rilevati dal Patologo e calcolo dei corrispondenti trattamenti ottimali 1.6 % actual disease area # Ideal sprayings: % Disease sprayed 100% Avoid spray excess 94% Pesticide reduction

22 Conclusioni Presentati due brevi esempi di ricerche DiSAA UniMI su Trattamenti di difesa di altissima precisione, con potenziali elementi di trasferibilità: Unità autonome di campo per il monitoraggio di fitofagi e per la messa a punto di sistemi di auto-disseminazione di trattamenti biocidi Unità a funzionamento totalmente autonomo possono essere impiegate in punti spia in vigneto adattabili per monitoraggi fisio-patologici trattamenti in regime biologico Prototipo di piattaforma robotizzata per trattamenti mirati ad altissima precisione su oidio della vite In esperimenti ripetuti su parcelle inoculate dimostrata la capacità di : trattare il % dei bersagli reali (in funzione dello stadio dei sintomi) limitare al 5-15% l area sana trattata ridurre significativamente la quantità di agrofarmaci utilizzata rispetto a uno trattamento convenzionale raggiungendo sempre il 90% della massima riduzione possibile Dimostrazione di fattibilità tecnica: prima applicazione (di sempre) di trattamenti automatici e selettivi su malattie in colture speciali

23 Grazie per l attenzione Roberto Oberti Sensoristica e automazione per l agricoltura Aldo Calcante Meccanizzazione per l agricoltura di precisione Marcello Iriti Fitopatologie e difesa delle colture DISAA - Università degli Studi di Milano rif. roberto.oberti@unimi.it