Irrigazione intelligente
Matteo Francia
- Ricercatore presso DISI - Università di Bologna
- Contatto: m.francia@unibo.it
Background principale:
- Dottorato in Ingegneria e Scienze Informatiche
- Big data e machine learning
- … con applicazioni nel campo dell’Agricoltura di Precisione
- L’interdisciplinarità è molto importante!
Queste slide sono il risultato di uno sforzo condiviso:
- Brevetto: “Metodo e Sistema per il Monitoraggio dell’Umidità del Suolo” registrato il 18 ottobre 2023 N. 102021000023162
- Ricerca: “Multi-sensor profiling for precision soil-moisture monitoring” (Francia et al. 2022)
- Grazie a Prof. Matteo Golfarelli, Dott. Manuele Pasini, Dott. Alex Baiardi
Irrigazione Intelligente
La sinergia tra Internet of Things (IoT) e agricoltura di precisione produce applicazioni di valore in ambito Agritech (Vitali et al. 2021)
- Agritech: uso della tecnologia in agricoltura per migliorare efficienza e redditività
Applicazione: irrigazione intelligente
- Ottimizzare l’umidità del suolo è cruciale per le prestazioni delle colture (Turkeltaub et al. 2016)
- Obiettivo: indicare l’acqua necessaria per raggiungere uno stato ottimale di umidità per la produzione
(Alcuni) Problemi:
- I suoli hanno differenti capacità di trattenere l’acqua
- I sistemi di irrigazione hanno comportamenti diversi
- Le piante hanno diverse esigenze idriche
- Kiwi (Judd et al. 1986) vs Vite
Scenario di riferimento
Il nostro approccio si concentra su frutteti
- Le piante di kiwi sono allineate lungo i filari
- Ogni filare ha molti gocciolatori (es. 1 ogni 60cm)
- I gocciolatori possono irrigare solo un volume limitato di suolo
Panoramica dell’Approccio
Il nostro approccio si compone di due fasi:
- Monitoraggio: comprendere il comportamento del suolo
- Prescrizione: fornire la quantità ottimale d’acqua
… coinvolge due attori:
- Agricoltore: fornisce conoscenze e feedback sul campo
- Tecnico: definisce lo stato ottimale e verifica il comportamento del sistema
… e richiede un ambiente IoT:
- Sensori (obbligatori): forniscono conoscenza in tempo reale
- Irrigazione azionabile da remoto (opzionale)
- Senza connessione remota, forniamo all’agricoltore una raccomandazione (es. via e-mail)
Monitoraggio
Monitoraggio
Dai Sensori ai Profili del Suolo
- L’umidità del suolo è un continuum nel terreno
- I sensori restituiscono una rappresentazione discretizzata dell’umidità del suolo
- A seconda del numero di sensori e del loro layout, l’accuratezza del monitoraggio cambia
- Obiettivo: produrre profili del suolo dettagliati a partire da layout a grana grossa
Layout dei Sensori e Ipotesi di Simmetria
Approcci con singolo sensore (o colonna di sensori a diverse profondità) assumono che l’umidità del suolo sia uniforme ovunque
- Se il volume irrigato è simmetrico lungo il filare, una griglia 2D di sensori è sufficiente per rappresentare il volume di suolo
- Se le variazioni di umidità avvengono anche lungo il filare, è necessaria una griglia 3D di sensori
- Es. gocciolatori troppo distanti tra loro
Raccolta Dati in Tempo Reale
Ad oggi monitoriamo 10 campi principalmente di kiwi
- … ma anche di pero, noci e vite
In ogni campo, una griglia di sensori perpendicolare alla linea degli alberi da frutto
- 4 colonne a distanza incrementale dalla pianta
- es. 0/30/60/90cm
- Ogni colonna ha 3 sensori a diverse profondità
- es. 20/40/60cm
L’approccio funziona anche con 6 o 9 sensori
Dataset: in 4 anni 70GB di dati (al 30 agosto 2024)
Elaborazione dei Dati
Tecniche statistiche (FU)
- Plug-and-play (funzionante dal primo giorno)
Tecniche basate su intelligenza artificiale (FA)
- Richiede tempo per la raccolta dati e l’addestramento/test
Fase Online: Profilazione Statistica
Profilazione dei dati dei sensori in tempo reale attraverso tecniche statistiche
- Interpolazione lineare dei dati dei sensori in tempo reale
- Plug-and-play (funzionante dal primo giorno)
Profilazione senza consapevolezza
Fase Online: IA
(Una semplice) ANN è il modello con le migliori prestazioni
Gli iperparametri (struttura/tassi di apprendimento) sono impostati tramite un processo di ottimizzazione
- HyperOpt (Komer et al. 2019): tecnica di ottimizzazione per esplorare lo spazio degli iperparametri
- Stiamo nidificando machine learning nel machine learning!
Monitoraggio
Monitoraggio
Irrigazione Intelligente
Modello del frutteto
Irrigazione Intelligente
Il tecnico imposta un’umidità del suolo ottimale e il sistema deve raggiungerla (Quartieri et al. 2021)
Consumo Idrico
Irrigazione prescrittiva
Agricoltore
- Risparmio del 40% di acqua durante l’intera campagna (24% in luglio/agosto)
- Costi energetici ridotti: meno ore di accensione dell’irrigazione
- Qualità/quantità del frutto comparabile (o migliore) rispetto alla gestione manuale