Uno degli ambiti applicativi più promettenti per la Visione Artificiale è la cosiddetta agricoltura di precisione. Ne parliamo con Daniele Covi, cofondatore di Eoptis.
Uno degli ambiti applicativi più promettenti per la Visione Artificiale è la cosiddetta agricoltura di precisione, anche in ragione dell’attenzione che le aziende agricole storicamente dedicano alla qualità e alla sicurezza dei loro prodotti, nonché all’efficienza ed efficacia dei processi produttivi.
Situata in Trentino, territorio agricolo per eccellenza, Eoptis è da tempo attiva nel settore, come spiega in questo post Daniele Covi, socio fondatore e technical manager dell’azienda trentina. Fisico di formazione, negli anni ha maturato una forte familiarità con le necessità di chi sta in campo. Ecco che cosa ci ha raccontato.
La conversazione
Qual è il contributo che la Visione Artificiale può fornire all’agricoltura e all’industria alimentare, importantissimi driver dell’economia italiana?
La Visione Artificiale, e in generale tutte quelle tecnologie e soluzioni in grado di fornire dati (come i sensori), sono cruciali per ottimizzare i processi produttivi nell’industria alimentare e nell’agricoltura. Nel primario ciò significa, per esempio, ridurre l’uso di acqua, fertilizzanti, agrofarmaci e così via, a seconda ovviamente delle condizioni specifiche della coltura; si tratta, in poche parole, di un modo efficace per impiegare al meglio le risorse disponibili e, a parità delle stesse, migliorare la resa.
E quali sono le soluzioni di Visione Artificiale per l’agricoltura di precisione sviluppate da Eoptis?
Una premessa: oltre a sistemi di Visione Artificiale in Eoptis realizziamo strumenti per la misura del colore e la scansione 3D di oggetti, prevalentemente utilizzati in ambito industriale nel controllo dei processi produttivi. Per quanto riguarda l’agricoltura di precisione, la nostra offerta si focalizza, appunto, sulla Visione Artificiale. Mi riferisco, concretamente, a MAIA, camera multispettrale che si monta su velivoli a pilotaggio remoto (i cosiddetti droni) per effettuare rilievi della coltura dall’alto, con l’obiettivo di ottenere informazioni fondamentali per l’imprenditore agricolo. Informazioni che si possono, se vogliamo, sintetizzare in un unico concetto: stato vegetativo della coltura. In tal modo è possibile capire qual è il grado di salute della vegetazione, e si possono così acquisire preziosi dettagli sulle cause di un suo eventuale malessere.
Semplificando, si monta una telecamera su un drone, il drone sorvola una coltura e scatta una serie di immagini, e queste immagini vengono usate dall’impresa agricola una volta che il drone è tornato a terra. Corretto?
Sì, semplificando sì. In questo modo si realizza una mappa completa dell’intera area di interesse estraendo le informazioni rilevanti caso per caso, a seconda della coltura. Infatti un conto è se abbiamo a che fare con un vigneto, un conto se abbiamo a che fare con un frutteto, con un campo di mais o di grano…
Un non-addetto ai lavori potrebbe chiedersi perché non usare una telecamera standard, per queste attività.
Perché le telecamere presenti nella nostra quotidianità, per esempio quelle degli smartphone, vedono fondamentalmente ciò che succede in tre regioni ben definite dello spettro della luce visibile, cioè nella zona rossa, verde e blu della luce; isolano questi tre colori e ce li restituiscono come immagine a colori della scena osservata. MAIA, che, come abbiamo detto, è una camera multispettrale, fa un lavoro simile a una telecamera standard, ma in maniera molto più definita, andando ad analizzare più colori: il violetto, il blu, il verde, il giallo e il rosso, ma soprattutto la zona infrarossa, che com’è noto non è visibile né all’occhio umano né alle normali telecamere.
E qual è l’utilità concreta di poter analizzare la zona infrarossa?
Per conoscere il livello di salute della vegetazione è necessario sapere anche come la vegetazione interagisce con la componente infrarossa della luce. Se ci si limita alla zona della luce visibile si ottengono informazioni piuttosto cursorie e parziali, che magari possono dare una prima idea, ma non sono generalmente sufficienti per discriminare correttamente le situazioni di maggior interesse. Con l’aggiunta della zona infrarossa si riescono invece a ricavare indicazioni utili per comprendere le cause di un eventuale malessere della vegetazione.
MAIA è ottimizzata per l’uso sui droni?
Sì, naturalmente. Infatti presenta molte caratteristiche tecniche pensate per favorirne l’uso su di essi: è piccola, leggera, ha le interfacce ottimizzate. Entro certi limiti è adattabile anche all’uso a terra: ad esempio montata su mezzi semoventi o su installazioni fisse come un palo per osservare una serra dall’alto, o delle colture in campo. L’idea di usarla su un drone è nata dal fatto che si tratta di un punto di osservazione privilegiato per colture tendenzialmente estese, che permette di scandagliare un’area vasta in pochi minuti.
Quali sono i punti di forza di MAIA?
Principalmente le bande. MAIA ha un insieme di bande, cioè di zone osservabili all’interno dello spettro della luce, che coincidono con quelle del satellite Sentinel-2, messo in orbita dall’Agenzia Spaziale Europea per missioni di rilevamento e monitoraggio ambientale. I dati di questo satellite sono aperti, accessibili gratuitamente, e già usati in ambito agricolo per effettuare mappature su vaste aree. Tuttavia hanno dei limiti che riguardano sia la disponibilità vincolata alle condizioni atmosferiche (la presenza di nubi impedisce l’osservazione) sia la risoluzione delle immagini; si parla di un’impronta a terra del pixel di almeno 10 m… Quindi se si va a vedere una coltura uniforme come può essere il grano, alla fine si ha un campo quadrettato a pixel con lato da dieci metri l’uno, e in quell’area si ha un’informazione media di quello che accade; ma se si vuole ottenere un’informazione più puntuale e specifica, manca il dato! Ed è proprio qui che interviene MAIA: montata su drone va a colmare il gap di informazioni, perché offre una risoluzione di pochi centimetri; in questo modo l’albero che appariva come un unico pixel all’interno dell’immagine da satellite ci appare in molto molto più dettagliato, addirittura con le singole foglie. Questo è fondamentale per le colture a filare, come i vigneti.
Un altro caso applicativo dove la risoluzione assume particolare rilievo sono i diserbi selettivi. Nelle colture crescono spesso piante indesiderate e quando si passa con il diserbante per estirparle l’approccio tendenzialmente è quello di irrorare un po’ ovunque… Il diserbante è sì selettivo, nel senso che elimina soltanto la pianta indesiderata e non la coltura, ma non è che faccia così bene alla coltura, all’ambiente e a chi si ciba del raccolto. Grazie a MAIA possiamo generare una mappa dove si indica la posizione delle piante infestanti, dandone le coordinate GPS con pochi centimetri di errore; usando questa informazione chi irrora, irrora solo in quell’esatto punto. Inoltre in tutti questi casi è possibile effettuare il rilievo anche con cielo coperto o con condizioni variabili, perché il sensore ILS integrato con la camera rende le immagini immuni alle variazioni di luce.
Ecco un esempio di agricoltura di precisione.
Esatto, in questo senso la precisione è importante: precisione geografica del dato (conosco le coordinate geografiche esatte corrispondenti a ciascun pixel dell’immagine), precisione di scala (so esattamente cosa sta succedendo con un dettaglio di pochi centimetri), ma anche precisione intesa come qualità del dato in sé, dal momento che si riesce ad avere un indicatore molto fine e specifico di ciò che sta accadendo alle colture, arrivando fino alla diagnosi di un’eventuale situazione di stress vegetativo. Ovviamente questi dati vanno interpretati (e usati per prendere decisioni) con l’aiuto di un agronomo.
Si potrebbe dire che MAIA aumenta di un fattore 100.000 la risoluzione del dato fornito da Sentinel-2?
Diciamo che chi ha costruito il satellite Sentinel-2 sapeva già cosa si doveva andare a vedere. Noi abbiamo pensato di usare al meglio questo grande contributo tecnologico, trasformando un pixel di lato 10 metri in circa 100.000 pixel di lato 3 centimetri, con un incremento enorme della risoluzione, garantendo al contempo la qualità delle informazioni raccolte. Va ricordato infatti che MAIA beneficia di tutto il background tecnologico di Eoptis nella costruzione di strumenti di misura: è uno strumento di grado scientifico vestito da telecamera di semplice utilizzo.
MAIA è una soluzione integralmente Made in Italy, giusto?
Sì, MAIA è una soluzione completamente Made in Italy, e di questo in Eoptis siamo fieri. E aggiungo che credo sia l’unica soluzione del genere in Europa! Ovviamente oltre alla camera multispettrale offriamo anche il software, che consente di analizzare le immagini e generare quelle che chiamiamo mappe in falsi colori, dove si evidenzia l’informazione di interesse marcandola con un’area rossa o verde sulla mappa. Il software è un elemento di grandissimo valore aggiunto, perché in questo modo non si offre il mero dato grezzo, quello che esce dalla camera, ma anche un primo livello di interpretazione, al quale far seguire l’analisi dell’agronomo. Mi preme sottolineare che italiani sono anche i partner che ci accompagnano in questo percorso: Fondazione Bruno Kessler (FBK), il rinomato istituto di ricerca con sede a Trento, che ha realizzato il software di analisi, e SAL Engineering, azienda della provincia di Ravenna che inizialmente ha reso possibile lo sviluppo di MAIA e ora mette a disposizione di tutti gli utilizzatori la propria esperienza nell’integrazione della camera su droni, fornendo anche servizi di rilievo “chiavi in mano”.
Chi compra MAIA?
Gli interlocutori sono in tutto il mondo, devo dire. Negli Stati Uniti, in Europa, in alcuni paesi dell’Asia come Singapore. E non sono soltanto aziendali: ci sono tanti centri di ricerca e atenei interessati. Questa è una conferma della capacità di una camera multispettrale come MAIA di fornire informazioni estremamente specifiche (per quanto riguarda la dimensione dell’oggetto osservato, della banda, dello spettro di luce osservata eccetera), essenziali per capire davvero cosa sta succedendo in campo.
