Seminario. ICT e agricoltura. Paolo Mollo EmSysLab, Area ESME, Direzione R&D

Transcript

1 Seminario ICT e agricoltura Paolo Mollo EmSysLab, Area ESME, Direzione R&D Torino, CSP - Innovazione nelle ICT, 3 Luglio2012 1

2 Agenda Agricoltura di precisione Priorità dell Europa in ambito ICT e agricoltura Piattaforme progettuali europee Sistemi di monitoraggio (casi studio CSP) Remote Sensing ICT e mezzi agricoli Conclusioni e sfide future 2

3 Agricoltura di precisione L'agricoltura di precisione o Smart farming è una strategia gestionale dell agricoltura che si avvale di moderne strumentazioni ed è mirata all'esecuzione di interventi agronomici tenendo conto delle effettive esigenze colturali e delle caratteristiche biochimiche e fisiche del suolo. Wikipedia l agricoltura di precisione è fare la cosa giusta, nel posto giusto, in un tempo giusto, senza alcuno spreco. Bruno Basso, Università della Basilicata e docente alla Michigan State University (USA), Queensland University of Technology (AUS), Feng Chia University (Taiwan) è un modo di fare agricoltura basato sull impiego di macchine in grado di modificare la propria modalità operativa per gestire la VARIABILITA, utilizzando le nuove tecnologie della comunicazione e dell informazione. 3

4 Benefici attesi Aumento della produzione e della qualità dei prodotti Uso efficiente degli input finalizzato ad un aumento dei profitto tutela delle risorse naturali rispetto della capacità di produrre del terreno minimizzazione dell impatto ambientale minimizzazione dei rischi tracciabilità dei prodotti 4

5 Scale di applicazione dell agricoltura di precisione 5

6 Agrifood in Europa: i numeri 40% del territorio nell area EU è occupato da coltivazioni (Eurostat 2010) Il food and drink rappresenta il 16% del volume d affari del settore industriale EU (CIAA 2010) EU maggior esportatore in ambito agrifood con il 18,7% delle esportazioni globali Logistica legata all agrifood impatta per circa il 20% del totale dei trasporti su strada 6

7 Agrifood: primary drivers continua crescita demografica produrre più cibo utilizzando meno energia costi dell energia ridurre gli effetti dei cambiamenti climatici contrastare gli effetti dell abbandono delle aree rurali complessivo invecchiamento della popolazione e aumento dei problemi di salute legati al cibo cambiamenti etnici e culturali garantire qualità e sicurezza 7

8 Agrifood: ICT challenges I uso intelligente dei dati raccolti (solo il 10% ha un utilizzo immediato) condivisione delle informazioni tra i vari attori nella catena di produzione sviluppo di nuove applicazioni di supporto alle decisioni sviluppo e ricerca in ambito WSN sensori autonomi dal punto di vista energetico approccio sempre più user centred e site specific trovare un equilibrio tra qualità e sicurezza del cibo, costi di produzione e protezione dell ambiente 8

9 Agrifood: ICT challenges II supportare un migliore trasferimento dei risultati della ricerca nel lavoro quotidiano degli agricoltori nell industria del cibo nelle comunità rurali rendere le aree rurali luoghi appetibili in cui vivere, investire, lavorare costruire nuovi modelli ICT per la condivisione e l uso delle conoscenze nelle aree rurali soluzioni web based e mobile cloud computing accesso open a social media, piattaforme collaborative e business intelligence 9

10 Principali piattaforme e progetti europei FP7 Food, Agricolture and Fisheries, and Biotechnology ICT-AGRI ( : Coordination of European Research within ICT and Robotics in Agriculture and Related Environmental Issues Smart Agri-food ( Future Internet for Safe and Healthy Food from Farm to Fork 10

11 ICT and agriculture networks AgriXchange ( Network for data exchange in agriculture e-agriculture ( 11

12 Smart Agrimatics Smart Farming Smart Crop Protection Smart Horticolture Smart Food Awareness Information and Data-Exchange in Agrifood Towards an European strategy for ICT in agri-food 12

13 Sistema integrato ICT e agricoltura 13

14 Il cuore del sistema Wheather Forecast 14

15 Elementi fondamentali Monitoraggio Remote Sensing Decision Support System (DSS) Variable-Rate Application (VRA) 15

16 Monitoraggio: frutticoltura e orticoltura Cosa si rileva: dati climatici (temperaturà, umidità, piovosità) parametri chimico fisici del suolo (aridità, conduttività elettrica, sensori gamma-radiometrici) stato delle colture (webcam) presenza di parassiti Benefici: minimizzazione utilizzo risorse idriche razionalizzazione nell impiego di concimi e fitofarmaci gestione ottimizzata dei mezzi agricoli 16

17 Monitoraggio: serre e allevamenti Cosa si rileva: condizioni climatiche (T,H) rumore luminosità concentrazioni ammoniaca (nocive per animali se > certe soglie) concentrazioni di CO2 (migliorativa per le coltivazioni) meccanismi di apertura/chiusura finestre Benefici: diminuzione degli sprechi (energetici ed economici) Utilizzo ottimale delle fonti di calore miglioramento della qualità dei prodotti 17

18 Caso studio: il progetto Vini Veri Progetto dimostrativo per una gestione avanzata del vigneto a scala aziendale voluto dall associazione Vini Veri. Partner di progetto: Regione Piemonte, Direzione Agricoltura, Settore Fitosanitario Istituto di Istruzione Superiore di Stato Umberto I, Alba (CN) Vini Veri, Associazione di Viticoltori, Alba (CN) Università di Torino, Dipartimento di Colture Arboree 2i3T, Incubatore di imprese per il trasferimento tecnologico, Torino Ai3, Acceleratore di Idee di Imprese Innovative, Torino 3a Srl, Torino Horta Srl CSP - Innovazione nelle ICT, Torino. 18

19 Caso studio: il progetto Vini Veri Suscettibilità della vite ad alcuni agenti patogeni che possono avere gravi conseguenze per lo sviluppo vegetativo e per la produzione se non adeguatamente controllati. Tra i più dannosi: Peronospora Oidio Muffa grigia Patogeni che si sviluppano con particolari situazioni ambientali legate al ciclo stagionale, alle precipitazioni ed al tasso di umidità. 19

20 CSP e Vini Veri: il sistema di monitoraggio 3 vigneti monitorati: Vigneto scuola Enologica di Alba [1 stazione master] Vigneto Gabutti a Serralunga d Alba [2 stazioni master] Vigneto di Novello [1 stazione master] Internet S1 S2 S4 Nodo Master S3 Zigbee: 2,4 GHz a 5 GHz 20

21 Vini Veri: stazione master Stazione master: mainboard connessione wireless a 5 Ghz pannello solare da 60 Watt batteria da 44 Ah controller ZigBee 5 sensori collegati direttamente Umidità Temperatura Temperatura terreno Bagnatura fogliame Pluviometro 21

22 Vini Veri: Stazioni remote 4 stazioni remote Stazione remota: scheda Arduino Modulo Xbee Pannello solare da 20 Watt Batteria da 9 Ah Sensore: Temperatura Umidità Pressione 22

23 Vini Veri: schema della rete rendere le aree rurali luoghi appetibili in cui vivere, investire, lavorare 23

24 Caso studio CSP: il progetto Orto Botanico [Monitoraggio e Open Data] Progetto Orto Botanico Rete di sensori wireless composta da micro-sistemi prototipati in CSP che operano monitoraggio ambientale presso l Orto Botanico dell Università di Torino I nodi possono essere alimentati sia a batteria sia con sistemi di energy harvesting micro-fotovoltaici I dati raccolti sono pubblicati in rete sfruttando il paradigma degli Open Data 24

25 Wireless Sensor Network Ultra-Low Power AP 868 MHz 25

26 Open data 26

28 Remote sensing Aspetto fondamentale nell ambito dell agricoltura di precisione Tecniche di Remote Sensing: sistemi GPS, DGPS consente di creare mappe di produzione, classificando le diverse zone in funzione delle proprietà quantitative e qualitative del prodotto raccolto. sistemi GIS Analisi di immagini termografiche rilevate, ad esempio, mediante l utilizzo di UAV Sensori a bordo dei veicoli agricoli 28

29 Esempi di mappe Mappa reddito netto Mappa raccolto Mappa proteine 29

30 GIS (Geographic Information System) I sistemi GIS forniscono metodi per: analizzare le componenti spaziali mostrare i dati nello spazio recuperare i dati nello spazio 4 layer = mappa di produzione 3 layer = indici di vegetazione 2 layer = caratteristiche del suolo 1 layer = foto da satellite o cartografia 30

31 Radiospectrometric remote sensing 31

32 Spettro elettromagnetico 32

33 Firma spettrale della vegetazione 33

34 NDVI Normalized Difference Vegetation Index Viene utilizzato per valutare lo stato della vegetazione in una determinata area Riflessione Vegetazione in salute Riflessione Vegetazione In stress idrico 34

35 EVI Enhanced Vegetation Index Modello ottimizzato per valutare la distribuzione di biomasse L : termine di correzione del background (sottobosco, suolo, ecc) C1 e C2: coefficienti di correzione dell aerosol 35

36 Caso studio CSP: UAV per remote sensing e monitoraggio aria (1/3) Monitoraggio ambientale realizzato attraverso Micro UAV Navigazione e stabilizzazione con modulo GPS Possibilità di installazione di payload funzionali Macchine fotografiche, mini computer ecc Attività di monitoraggio visivo di vigneti Esempio: vigneto a Gabutti (Langhe) 36

37 Caso studio CSP: UAV per remote sensing e monitoraggio aria (2/3) Realizzazione di un modulo payload prototipale per il monitoraggio della qualità dell aria Monossido di carbonio (CO), Biossido di azoto (NO 2 ), Ozono (O 3 ), temperatura e umidità Memorizzazione dei dati su SD card per consultazione offline Alimentazione diretta dalla batteria dell UAV Architettura: Scheda sensori Scheda dispostivi Zigbee Logica di controllo payload (Arduino MEGA 2560) O CO NO 2 Temperatura/ umidità Modulo GPS Modulo SD-card 37

38 Caso studio CSP: UAV per remote sensing e monitoraggio aria (2/3) Installazione a bordo dell UAV ed esperimenti pratici Visualizzazione dei dati registrati su Google Earth (esempio con CO) 38

40 Decision Support System (DSS) Tecniche di gestione WHEATMAN APSIM (Agricultural Production Systems simulator) SALUS (System Approach to Land Use Sustainability) Dati ambientali Dati agronomici Mappe satellitari Site-specific DSS Strategia di gestione Previsioni meteorologiche 40

42 VRA Distribuzione variabile degli input Il risultato di elaborazioni DSS si traduce in un MAPPA che quantifica l intensità degli interventi nelle zone di campo La MAPPA viene trasferita e letta dai mezzi agricoli durante le lavorazioni 42

43 VRA Mezzi agricoli context-aware L antenna posta all esterno della cabina riceve i segnali GPS elaborazione congiunta di posizione in campo e informazioni relative alla quantità da distribuire e alla velocità di avanzamento Trasferimento, su ISOBUS delle informazioni dalla trattrice alla macchina operatrice che modifica in real-time il settaggio di regolazione della dose Erogazione di differenti quantitativi all interno del campo 43

44 VRA contesti Lavorazioni del terreno Sistema di lavorazione Profondità delle lavorazione densità della semina tipo di seme Concimazioni chimiche Trattamenti chimici Irrigazione Vantaggi: Minor impatto ambientale Minor inquinamento delle acque e dell aria Riduzione dell erosione Aumento della fertilità Riduzione dei costi Miglior adattabilità della coltura Sicurezza per l operatore Risparmio idrico 44

45 Mezzi agricoli: sensoristica e UV Sensoristica per il monitoraggio real-time delle caratteristiche chimico-fisiche del suolo durante le lavorazioni Driver principale: sicurezza degli operatori Posizionamento dei mezzi agricoli accelerometri, inclinometri soglie anti ribaltamento Meccatronica e robotica: Trattore autonomo comandato in tutte le Unmanned vehicles (UV) sue funzioni da un altro 45

46 Agritechnica 46

47 CSP: cosa bolle in pentola (1/2) Irrisense: Sviluppo di un sistema di irrigazione di precisione su base fisiologica In collaborazione con: Osservatorio piemontese di frutticoltura Alberto Geisser Sviluppo di un sistema a basso costo per: Stima in continuo del potenziale idrico Monitoraggio continuo della profondità di bagnatura Calcolo del bilancio idrico per definizione volumi di adacquamento Utilizzo di tecnologie wireless per l invio dei dati Elaborazione modello di gestione specifico per ogni cultivar Gestione automatizzata dell impianto di irrigazione 47

48 CSP: cosa bolle in pentola (2/2) Nuove tecnologie di copertura radio e trasporto dati: DMR [Digital Mobile Radio] TETRA [TErrestrial Trunked RAdio] 48

49 Conclusioni e sfide future L elevata frammentazione degli appezzamenti NON è un limite all applicazione di tecnologie innovative legate all agricoltura di precisione Minimizzare l entropia e massimizzare le informazioni utili Aumentare l integrazione sistemica dei fattori Rendere i DSS sempre più semplici ed efficaci Colmare il GAP tra tecnologia e utilizzatori finali Non sottovalutare i benefici ambientali dell applicazione di tecnologie innovative legate all agricoltura di precisione 49

50 Paolo Mollo EmSysLab, Area ESME Direzione Ricerca & Sviluppo mail: cell: tel CSP innovazione nelle ICT s.c. a r.l. Sede Via Nizza n Torino Italy (ingresso da Via Alassio, 11/c) Tel Fax innovazione@csp.it 50