Utilizzo di depth camera e accelerometri per la stima della variabilità spaziale

Every farmer knows that there are productive differences between different plots and within them. Multiple factors such as soil texture, fertility, slope, particle exposure and even the spreading of pathogens, as well as tillage execution and treatments influence and creates spatial variability. The monitoring, localization and quantification of field variability allow the application of precision agriculture principles to define decision support systems (DSS) aimed at optimizing the effectiveness of agronomic inputs and saving resources. This experimental thesis work takes up a previous work about biomass and leaf area quantification inside the vineyards by 3D photogrammetry and evaluates the use of a DJI Mavic Mini drone, an RGD-D camera Microsoft Kinect v2 and an accelerometer equipped with a GPS for the estimation of spatial variability in the field. The experiment, structured in three sampling repetitions on vines along the rows of the same plot, each for each of the instruments being compared, highlighted the compatibility between the data acquired by sensors with different spatial resolution, identifying the potential of low-cost technologies.

Ogni agricoltore sa che ci sono differenze produttive fra diversi appezzamenti e all’interno di questi. Molteplici fattori come ad esempio tessitura, fertilità, pendenza, esposizione della particella ma anche la diffusione di patogeni, così come l’esecuzione delle lavorazioni e dei trattamenti influenzano e producono la variabilità spaziale. Il monitoraggio, la localizzazione e la quantificazione di tale variabilità di campo permettono di applicare i principi dell’agricoltura di precisione e di definire dei sistemi di supporto alle decisioni (DSS) che mirano ad ottimizzare l’efficacia degli input agronomici e risparmiare risorse. Questo lavoro di tesi sperimentale riprende un precedente lavoro di quantificazione di biomassa e superficie fogliare in vigneto tramite fotogrammetria 3D e valuta l’impiego di un drone DJI Mavic Mini, una telecamera RGB-D Kinect v2 di Microsoft e un accelerometro integrati ad un gps per la stima della variabilità spaziale in campo. L’esperimento, strutturato in tre ripetizioni di campionamento su vite lungo i filari del medesimo appezzamento, ciascuna per ognuno degli strumenti a confronto, ha evidenziato la compatibilità tra i dati acquisiti da sensori con diversa risoluzione spaziale individuando le potenzialità di tecnologie di tipo low-cost.