Progetto PLEIADI
Platform for Environment Indicators and Agriculture Data Innovation
e monitoraggio
ambientale
PLEIADI unisce dati satellitari, rilievi da drone e intelligenza artificiale in un'unica piattaforma per supportare le decisioni in ambito agricolo e ambientale.
Il progetto — POR Piemonte FESR 2014/2020, Bando PRISM-E, dicembre 2020 – aprile 2023 — ha coinvolto Co.R.In.Te.A. Soc. Coop. come capofila, Emisfera Società Cooperativa e Sigeo s.r.l. Emisfera ha curato lo sviluppo software e l'integrazione della piattaforma, che unisce dati satellitari multispettrali, rilievi da drone, scansioni laser di prossimità e informazioni geo-amministrative. I casi d'uso affrontati coprono tre ambiti: monitoraggio delle colture, gestione dei pascoli montani e analisi del rischio agricolo su scala regionale.
affrontato
Le decisioni operative in agricoltura si basano ancora in larga misura sulla valutazione soggettiva degli esperti, in assenza di osservazione diretta oggettiva e ripetibile. La verifica dell'effettivo pascolamento per le domande di contributo PAC richiede sopralluoghi fisici costosi; la stima della resa di un frutteto avviene per campionamento manuale; mancava una mappatura quantitativa del rischio agricolo regionale su cui costruire indici azionabili.
ottenuti
- Per il monitoraggio dei pascoli alpini, sviluppato un flusso di analisi su immagini Sentinel-2 con calcolo dell'indice NDVI per rilevare i passaggi di mandrie e greggi nelle aree di alpeggio.
- Per il frutteto e il bambuseto, combinati computer vision e rilievo tridimensionale: rete neurale Mask R-CNN per il conteggio automatico delle mele, fusione di rilievi drone e laser scanner per il Digital Twin del bambuseto con stima di biomassa e sequestro di carbonio.
- Per il rischio agricolo, mappato l'intero territorio piemontese in oltre undicimila unità omogenee con indici di vulnerabilità per gelate, grandinate, siccità, alluvioni e incendi.
- Piattaforma web sviluppata da Emisfera con gestione multiruolo degli utenti, che raccoglie tutti i flussi di dati in un'unica interfaccia accessibile via browser.
- Visore in realtà aumentata per gli operatori in campo, che sovrappone al campo visivo i confini catastali delle particelle da ispezionare.
applicate
- Satellite Sentinel-2 (Copernicus ESA) — immagini multispettrali elaborate in Python per calcolo di NDVI, NDWI e analisi di serie temporali con mascheratura delle nuvole.
- Droni DJI Mavic 3 Multispectral RTK con cinque camere multispettrali e posizionamento ad alta precisione. Rilevamento animali al pascolo con YOLOv5.
- Laser scanner GeoSLAM Zeb Horizon RT con tecnologia SLAM, camera 360° e antenne GNSS per georeferenziazione dei rilievi di prossimità.
- Visore di realtà aumentata sviluppato in Unity con dati geografici GeoJSON per la sovrapposizione dei confini catastali alla scena reale.
- Piattaforma cloud a microservizi con backend Java Spring Boot, frontend React, database geografico PostGIS, autenticazione Keycloak OAuth2, deployment Docker Compose e pipeline CI/CD su GitLab.
future
PLEIADI ha dimostrato la fattibilità tecnica di un approccio multisensoriale al monitoraggio agricolo. I passi successivi includono l'arricchimento dei dataset di addestramento per i modelli di object detection, lo sviluppo di un sistema di monitoraggio dinamico continuo per i pascoli integrato con la cadenza Sentinel, e l'evoluzione delle mappe di vulnerabilità verso un osservatorio regionale aggiornabile con allerta precoce in tempo reale. La piattaforma è progettata per crescere: l'architettura a microservizi e le API RESTful documentate la rendono aperta all'integrazione di nuovi sensori e casi d'uso futuri.
Parliamo del tuo progetto
Sei interessato alle tecnologie di PLEIADI o vuoi esplorare un'applicazione simile per il tuo contesto? Scrivici.