L’identificazione tempestiva delle fallanze è fondamentale per mantenere la produttività e uniformità del vigneto, ma è ancora oggi affidata principalmente a rilievi manuali, costosi e soggetti a errori, soprattutto in appezzamenti di grandi dimensioni o con geometrie irregolari. Le soluzioni basate su immagini da droni, sebbene promettenti, presentano criticità nella distinzione tra ceppi e pali, specialmente durante il periodo dormiente, quando mancano segnali vegetativi evidenti.
Lo studio di Di Gennaro e colleghi nasce per colmare questa lacuna, proponendo un approccio innovativo basato su immagini RGB acquisite da drone con angolazione inclinata, in grado di valorizzare gli elementi strutturali verticali (tronco e palo) e migliorare l’accuratezza della rilevazione automatica. In particolare, si intende verificare la fattibilità tecnica ed economica di un sistema di monitoraggio automatizzato, operativo anche fuori stagione, per supportare le decisioni di reimpianto e contribuire alla gestione di precisione del vigneto.
La peculiarità del metodo proposto risiede proprio nell’utilizzo di una camera ad alta risoluzione montata su drone in configurazione obliqua, scelta che consente di migliorare sensibilmente la rilevabilità dei tronchi e dei pali, tradizionalmente difficili da distinguere nelle immagini zenitali convenzionali.
La sperimentazione è stata condotta su un vigneto commerciale di 1,3 ha in Toscana (cv. Sangiovese) nel febbraio 2023. I dati acquisiti sono stati elaborati per quattro approcci di segmentazione e classificazione (M1–M4) finalizzati al riconoscimento dei tronchi e alla quantificazione delle piante assenti.
Uno dei quattro metodi messi a punto, basato su caratteristiche geometriche derivate dalla nuvola di punti ottenuta dai droni, ha mostrato le performance migliori: accuratezza globale del 92,72%, precisione del 95,1% e margine di errore medio nella stima delle viti mancanti pari a 1,85%. Il dataset è stato validato tramite ispezione visiva di campo e confronto con rilievo manuale georeferenziato. L’approccio non presuppone una disposizione regolare dell’impianto, risultando pertanto robusto anche in vigneti non perfettamente allineati o con file miste.
Oltre alla validazione dei risultati, lo studio evidenzia i vantaggi operativi della metodologia: esecuzione in periodo dormiente, assenza di interferenze con le pratiche colturali, costi contenuti (grazie all’impiego di sensori RGB standard) e potenziale applicabilità su larga scala per programmi di viticoltura di precisione.
Questa ricerca introduce un nuovo paradigma per il monitoraggio strutturale dei vigneti, ampliando significativamente le possibilità di ispezione automatica al di fuori del periodo vegetativo.
Di Gennaro, S. F., Vannini, G. L., Berton, A., Dainelli, R., Toscano, P., & Matese, A. (2023). Missing Plant Detection in Vineyards Using UAV Angled RGB Imagery Acquired in Dormant Period. Drones, 7(6), 349. Disponibile qui
