AI και υπολογιστική όραση για την ανάλυση αμπελώνων με στόχο τη βελτιστοποίηση των φυτοπροστατευτικών επεμβάσεων

Εισαγωγή

Η τεχνολογική καινοτομία είναι ολοένα και πιο παρούσα στον κόσμο της γεωργίας, και το υποέργο AgroTwin, το οποίο χρηματοδοτήθηκε με 60 χιλιάδες ευρώ από το έργο Horizon Europe ICAERUS, αποτελεί ένα τέλειο παράδειγμα αυτού. Το ICAERUS είναι ένα έργο που επικεντρώνεται στη διερεύνηση των δυνατοτήτων των drones ως πολυχρηστικών εργαλείων για τη γεωργία, την περιβαλλοντική παρακολούθηση και τις αγροτικές υπηρεσίες. Στόχος του υποέργου AgroTwin ήταν η ανάπτυξη και δοκιμή ενός Συστήματος Υποστήριξης Αποφάσεων (DSS) βασισμένου σε προηγμένους αλγορίθμους AI και υπολογιστικής όρασης για τη βελτιστοποίηση των φυτοπροστατευτικών επεμβάσεων με τη χρήση drones καταναλωτικού επιπέδου, όπως το DJI Phantom 3 Professional (Εικ. 1).

Εικ.1: Προετοιμασία για πτήση του DJI Phantom 3 Professional στον πειραματικό αμπελώνα.

Ένα σύστημα υποστήριξης αποφάσεων για βιώσιμη γεωργία

Η συλλογή των εικόνων και η δοκιμή των αλγορίθμων πραγματοποιήθηκαν σε έναν αμπελώνα ποικιλίας Sangiovese έκτασης περίπου 1,2 εκταρίων, στα περιφερειακά κτήματα του Cesa (AR) (Εικ. 2). Ο αμπελώνας αυτός χωρίστηκε σε 2 αγροτεμάχια παρόμοιου μεγέθους και βλαστητικού σφρίγους, εκ των οποίων το ένα χρησιμοποιήθηκε για δοσολογία μεταβλητού ρυθμού φυτοπροστατευτικών προϊόντων βάσει των αποτελεσμάτων του DSS μας (test) και το άλλο για σταθερές δόσεις (control), όπου εφαρμόζονταν οι συνήθεις δόσεις της εκμετάλλευσης.

Για την καταγραφή των ορατών (RGB) εικόνων του αμπελώνα χρησιμοποιήσαμε ένα εύχρηστο και ευρέως διαδεδομένο drone, το DJI Phantom 3 Professional. Οι εικόνες αυτές χρησιμοποιήθηκαν για τη δημιουργία τρισδιάστατων νεφών σημείων (3D point clouds), τα οποία μας επέτρεψαν να δημιουργήσουμε το ψηφιακό δίδυμο (digital twin) του αμπελώνα σε τρία διαφορετικά φαινολογικά στάδια.

Για κάθε πτήση, μέσω ιδιόκτητων αλγορίθμων, το ψηφιακό μοντέλο αναλύθηκε με ακρίβεια για την εξαγωγή των βασικών βιομετρικών παραμέτρων μεμονωμένων πρέμνων ενδιαφέροντος. Χάρη σε αυτά τα δεδομένα, το DSS δημιούργησε εξατομικευμένους χάρτες συνταγογράφησης για επεμβάσεις μεταβλητού ρυθμού (VRT), βελτιώνοντας την αποδοτικότητα στη χορήγηση των φυτοπροστατευτικών προϊόντων.

Εικ.2: Εντοπισμός του πειραματικού αμπελώνα και διαχωρισμός των δύο αγροτεμαχίων (test, control).

Προηγμένοι αλγόριθμοι για την ανάλυση βιομετρικών παραμέτρων

Μία από τις πιο καινοτόμες πτυχές του AgroTwin ήταν η ανάπτυξη προηγμένων αλγορίθμων AI και υπολογιστικής όρασης για την ανάλυση της βιομετρίας των πρέμνων. Οι αλγόριθμοι αυτοί, εφαρμοζόμενοι στα τρισδιάστατα νέφη σημείων που παρήγαγε το drone, επέτρεψαν την ακριβή ανάλυση των βασικών παραμέτρων ενδιαφέροντος, όπως το πάχος, το ύψος και ο όγκος της κόμης μεμονωμένων φυτών ενδιαφέροντος, με μέσο περιθώριο σφάλματος κάτω του 10% σε σχέση με τις χειροκίνητες μετρήσεις (Εικ. 3, 4).

Εικ.3: Εξέλιξη ενός δοκιμαστικού πρέμνου στα διάφορα φαινολογικά στάδια (πάχος (m), ύψος (m), όγκος (m³)).

Εικ.4: Χειροκίνητες μετρήσεις στο πεδίο.

Μέσω της χρήσης αυτών των βιομετρικών παραμέτρων, οι αλγόριθμοι επέτρεψαν την κατασκευή ενός πολύ σημαντικού δείκτη σφρίγους, του LAI (Leaf Area Index), καθώς και τη δημιουργία του LWA (Leaf Wall Area) και του TRV (Tree Row Volume), που δίνουν ένδειξη για την επιφάνεια και τον όγκο της κόμης του αμπελώνα. Με παρεμβολή ενός επαρκούς αριθμού δειγματοληπτικών φυτών, οι αλγόριθμοι δημιούργησαν αυτόματα χάρτες βλαστητικού σφρίγους (LAI) και χάρτες συνταγογράφησης για τις φυτοπροστατευτικές επεμβάσεις (Εικ. 5).

Εικ.5: Χάρτες σφρίγους (LAI) και χάρτες συνταγογράφησης (λίτρα/εκτάριο) για τις φυτοπροστατευτικές επεμβάσεις σε κάθε φαινολογικό στάδιο.

Ανάλυση ευαισθησίας για τη βελτίωση της συλλογής δεδομένων

Ένα ακόμη κρίσιμο στάδιο του έργου ήταν η ανάλυση ευαισθησίας, με στόχο την εύρεση των καλύτερων παραμέτρων πτήσης για τις καταγραφές με drone, ώστε να επιτυγχάνεται ο καλύτερος συμβιβασμός μεταξύ ποιότητας δεδομένων και χρόνου πτήσης. Η μελέτη αυτή επέτρεψε τον εντοπισμό των καλύτερων διαμορφώσεων πτήσης για τη διασφάλιση της μέγιστης ακρίβειας στην εκτίμηση των παραμέτρων της κόμης των αμπελιών σε σχέση με τις χειροκίνητες μετρήσεις. Η βέλτιστη διαμόρφωση, με σφάλματα κάτω του 10% σε σχέση με τις χειροκίνητες μετρήσεις, αποδείχθηκε ότι είναι εκείνη με ύψος πτήσης 30 μέτρων, με 85% επικάλυψη (overlap) μεταξύ των φωτογραφιών και με συνδυασμένες κλίσεις κάμερας (κατακόρυφη και υπό γωνία 30°), η οποία βελτίωσε σημαντικά την ακρίβεια των συλλεγόμενων δεδομένων.

Περιβαλλοντικά και οικονομικά οφέλη

Για την αξιολόγηση της ποσότητας και της ποιότητας εναπόθεσης των φυτοπροστατευτικών προϊόντων στην κόμη των πρέμνων στις δύο διαφορετικές ζώνες, χρησιμοποιήθηκε μια διεθνώς τυποποιημένη διαδικασία (ISO 22522) και ένας βρώσιμος ιχνηθέτης (ταρτραζίνη). Κύριος στόχος ήταν η σύγκριση της αποδοτικότητας των δύο τύπων επέμβασης. Οι μετρήσεις σχετικά με την αποτελεσματικότητα των επεμβάσεων πραγματοποιήθηκαν από το Τμήμα Γεωργικής Μηχανικής (DAGRI) του Πανεπιστημίου της Φλωρεντίας.

Εικ.6: Η διαδικασία περιελάμβανε τη δειγματοληψία τριών αντιπροσωπευτικών πρέμνων σε περιοχές χαμηλού, μεσαίου και υψηλού σφρίγους, με τη χρήση υδροευαίσθητου χαρτιού και συλλεκτών νάιλον τοποθετημένων σε τρία διαφορετικά ύψη της κόμης (H1 πάνω από τον κορδόνι, H2 στο μέσο της κόμης, H3 στην κορυφή).

Τα αποτελέσματα έδειξαν ότι η μέση κάλυψη ήταν 35% στο αγροτεμάχιο VRT, ελαφρώς υψηλότερη από το βέλτιστο όριο (30%), όμως η κόμη των πρέμνων καλύφθηκε ανάλογα με την πραγματική της βιομάζα, ενώ το αγροτεμάχιο ελέγχου κατέγραψε μέση κάλυψη 39%, χωρίς να λαμβάνεται υπόψη η πραγματική βιομάζα στο πεδίο. Τέλος, δεν εντοπίστηκε παρουσία ασθενειών στα αγροτεμάχια που ελέγχθηκαν, και δεν διαπιστώθηκαν σημαντικές διαφορές στην απόδοση και την ποιότητα των σταφυλιών κατά τη στιγμή της αξιολόγησης. Όσον αφορά τη δόση, χάρη στην προσέγγιση VRT επιτεύχθηκε μέση μείωση 35% στη χρήση φυτοπροστατευτικών προϊόντων και νερού, με αιχμή 41% κατά το ενδιάμεσο φαινολογικό στάδιο. Αυτή η εξοικονόμηση μπορεί να μεταφραστεί σε μείωση των επιπτώσεων που έχουν τα προϊόντα αυτά στο περιβάλλον, συμβάλλοντας στη διατήρηση της βιοποικιλότητας του αμπελώνα και περιορίζοντας τη ρύπανση των υπόγειων υδάτων και του αέρα.

Συμπεράσματα

Το έργο AgroTwin αποτελεί ένα βήμα προόδου στη γεωργία ακριβείας, αξιοποιώντας την απεικόνιση προς υποστήριξη της αγρονομικής διαδικασίας λήψης αποφάσεων. Χάρη σε αυτό, σχεδιάστηκε ένα πρωτότυπο DSS βασισμένο σε εικόνες από drone. Επιπλέον, αξιολογήθηκε σε ποιο βαθμό η ενσωμάτωση drones και προηγμένων αλγορίθμων μπορεί να βελτιώσει την περιβαλλοντική και οικονομική βιωσιμότητα των γεωργικών εργασιών.

Το έργο κατέδειξε πώς η χρήση ενός drone που τραβά απλές φωτογραφίες RGB μπορεί να επιτρέψει τη δημιουργία ψηφιακών μοντέλων επαρκούς ποιότητας για την ανάλυση μιας καλλιέργειας στο πεδίο και την απόκτηση χαρτών συνταγογράφησης αξιοποιήσιμων για τις πιο σημαντικές εργασίες, όπως στην περίπτωση της διανομής φυτοπροστατευτικών προϊόντων, ή στην επιλεκτική συγκομιδή βάσει του βλαστητικού σφρίγους, επιτρέποντας έτσι την εξοικονόμηση πολύτιμων πόρων και τη βελτίωση των παραγωγικών διαδικασιών.

Χάρη στη σημαντική εξοικονόμηση φυτοπροστατευτικών προϊόντων και νερού, καθώς και στην καλύτερη ανακατανομή στο πεδίο, το DSS που αναπτύχθηκε αναδεικνύεται ως ένα καινοτόμο και βιώσιμο αγρονομικό εργαλείο, που επιτρέπει την επίτευξη των αρχών της γεωργίας ακριβείας μέσω της αξιοποίησης των ψηφιακών αντιγράφων του αμπελώνα. Σε έναν κλάδο ολοένα και πιο προσανατολισμένο στη βιωσιμότητα, η τεχνολογία αυτή είναι σε θέση να προσφέρει στους γεωργούς μια πρακτική, οικονομική και πρωτοποριακή λύση για την αντιμετώπιση των σημερινών προκλήσεων της σύγχρονης γεωργίας.

Ανακαλύψτε πώς να βελτιστοποιήσετε τις επεμβάσεις με την εφαρμογή iAgro ή με την υπηρεσία iDrone!