1) Ottenere stime accurate e veloci sulla copertura vegetale nei campi agricoli, spesso effettuate manualmente con alta soggettività e inconsistenze tra diversi osservatori.

2) Automatizzare completamente la stima della copertura sul campo, includendo i residui colturali.

Per quanto riguarda 1, il programma ha già portato un miglioramento significativo nella precisione delle stime effettuate da novizi (n=80 osservazioni), allineandole a quelle di osservatori esperti.

L'Università degli Studi di Udine ha sviluppato un programma desktop innovativo che utilizza l'intelligenza artificiale (IA) per migliorare la precisione nella stima della copertura vegetale in agricoltura. Questo strumento permette di analizzare foto scattate in campo, di annotare la vegetazione presente (coltura, infestanti, ecc.) in maniera semi-automatica supportata da IA e fornire una stima in percentuale della copertura di ciascuna categoria.

Il programma si basa su due modelli di IA (SAM per riconoscimento di oggetti e VegAnn per riconoscimento di vegetazione) che permettono di suddividere rapidamente la vegetazione in specie diverse accelerando il processo di annotazione manuale (ca. 90% di pixel annotati da IA).

Lo strumento permette di annotare la vegetazione a livello generale (coltura, infestanti) o di specie e fornisce in output la copertura percentuale di ogni categoria. Questa informazione può essere usata per monitorare lo stato delle colture, valutare la presenza di infestanti e stimare la copertura del suolo, consentendo agli agricoltori di prendere decisioni informate sulla gestione dei campi.

Prospettive future. Nel breve periodo, automazione dell’annotazione e integrazione di nuove specie (colture e infestanti) per validare le osservazioni in campo svolte da esperti e novizi. Nel medio periodo, stima dei residui colturali e sviluppo applicazione mobile per consentire agli agricoltori la raccolta di stime oggettive sui loro campi.

Development of an integrated information platform on risks in the agricultural and forestry Systems / Farm network setup (Living Labs): a network of farms representative of the different agricultural systems to apply innovative technologies for the sustainable management of crops, animals and forests

Agricoltori. Monitoraggio di colture, presenza di infestanti e stima della copertura del suolo. Rendendo lo strumento disponibile su smartphone, stima rapida dei residui colturali, utilizzabile come dato oggettivo per misure result-based finanziate dalla PAC.

Studenti. Formazione per riconoscimento di specie e stima della copertura, complementare a formazione in campo.

Ricercatori. Riduzione variabilità interpersonale delle stime di copertura, aumentando rigore scientifico delle pubblica