I dati da utilizzare per la messa a punto della metodologia proposta verranno acquisiti, simultaneamente, tramite drone equipaggiato con sensore multispettrale, iperspettrale e termico su due o più parcelle sperimentali composte di vasi, ognuno con una singola pianta.
Per le finalità di progetto, il disegno sperimentale prevede 3 coppie, ognuna con una parcella di controllo e una non trattata: una coppia per lo studio dell’oidio (OC/ON, entrambe trattate preventivamente contro la peronospora, quella di controllo trattata preventivamente anche contro l’oidio); una coppia per lo studio della peronospora (PC/PN, entrambe trattate preventivamente contro l’oidio, quella di controllo trattata preventivamente anche contro la peronospora); l’ultima coppia per lo studio di entrambe le patologie (PNO/POC, una parcella non trattata preventivamente, quella di controllo trattata preventivamente sia contro peronospora che contro l’oidio).
Per la durata di un anno, verranno eseguite delle campagne di telerilevamento con drone, equipaggiato come sopra descritto, con frequenza settimanale (in periodi non critici dal punto di vista dello sviluppo dei patogeni), e fino ad ogni 2-3 giorni in periodi critici (i.e. periodo estivo, periodi con condizioni meteoclimatiche sfavorevoli o in caso di infezioni conclamate nei territori circostanti o nel vigneto stesso). Ad ogni campagna di telerilevamento sarà abbinata una serie di rilevazioni a terra da accoppiare con i dati reperiti dal drone.
Ogni campagna di rilevamento verrà condotta nelle seguenti fasi:
Passaggio sull’area di studio col drone: acquisizione multisensoriale a quote crescenti da pochi metri fino al massimo stabilito dalla normativa ENAC vigente;
Analisi preliminare dei dati del drone;
Rilievi in campo, con annotazione (in caso di infezione conclamata) del numero di foglie malate (georiferite e individuabili nei plot) e del patogeno, e controllo specifico di eventuali anomalie rilevate dal drone stesso)
I dati acquisiti verranno successivamente elaborati ed analizzati, attraverso reti neurali e processi di machine learning, per la realizzazione di algoritmi efficaci, rapidi ed affidabili per il rilevamento precoce di infezioni fogliari, la classificazione dei patogeni, la determinazione dei volumi di chioma da trattare e le quantità opportune, il tutto georiferito e dunque facilmente individuabile nel vigneto stesso al momento del trattamento (in presenza di macchine moderne, sarà possibile anche automatizzare completamente il processo di trattamento, sia nelle quantità che nella distribuzione a livello spaziale nelle tre dimensioni).
L’elemento ispiratore delle reti neurali artificiali (artificial neural network, ANN) è il cervello umano ed è quindi basato su una serie di elementi di base collegati vicendevolmente, con un elemento base della rete assimilabile al neurone, i cui collegamenti con gli altri elementi sono classificati in base ad un peso variabile, che viene modificato sulla base dei dati e dei risultati. Ogni rete è caratterizzata dal tipo di connessione che unisce i vari neuroni e dal tipo di algoritmo di apprendimento ad esse associato.
Esistono numerose tipologie di reti neurali, a seconda della quantità di strati previsti, della ricorsività, etc. L’apprendimento è la tecnica grazie alla quale la rete neurale, modificando i pesi delle connessioni neurali, è in grado raggiungere la conoscenza necessaria per adattarsi al problema da risolvere. Lo sviluppo tecnologico degli ultimi anni ha permesso di affrontare e svolgere il pesantissimo carico computazionale legato a questi processi in tempi ragionevoli.