Green illness detection

Monitoraggio del manto erboso con l’analisi avanzata delle immagini

Cliente: Mint S.r.l.

Contesto

Progetto realizzato all’interno dell’iniziativa Foundation Open Factory, promosso da ELIS e finanziato da Trentino Sviluppo.
Il progetto si sviluppa nell’ambito della salvaguardia e della manutenzione del manto erboso dei campi da golf, grazie all’identificazione delle malattie del green ad uno stadio iniziale tramite tecnologie di Computer Vision.

Problemi

Sorgono diversi problemi se le malattie tipiche del manto erboso dei campi da golf non sono individuate e trattate in tempo.

Costi

Un rilevamento tardivo fa lievitare velocemente le spese degli interventi della manodopera

Impatto ambientale

Più la malattia si espande e si aggrava, più aumenta la quantità di fitofarmaci e risorse idriche necessarie

Obiettivo

L’obiettivo è stato lo sviluppo di uno strumento in grado di notificare la presenza di malattie del manto erboso già durante le primissime fasi di sviluppo, consentendo un notevolissimo risparmio in

01 Costi

Risparmio economico nella gestione del campo

02
 Manodopera

Interventi meno frequenti e più mirati

03 Risorse

Meno farmaci e risorse idriche utilizzate

Soluzione

Per risolvere il problema, abbiamo sviluppato un algoritmo di visione artificiale in grado di identificare, riconoscere e localizzare la malattia da monitorare all’interno delle immagini provenienti dalle telecamere a bordo delle macchine utilizzate per la manutenzione ed il taglio del manto erboso.
Il sistema quindi combinava le immagini analizzate dall’algoritmo insieme alle informazioni di geolocalizzazione delle stesse per mostrate all’utente una mappa dello stato di salute del manto erboso dell’intero campo da golf.
Red-lynx.ai - Green illness detection - soluzione img

Implementazione

01/ Studio preliminare

Studiando la letteratura scientifica e selezionando dataset pubblici, ci siamo assicurati una solida comprensione del campo

02/ Raccolta immagine

Abbiamo effettuato insieme a Mint un sopralluogo in campo per raccogliere immagini contenenti la malattia da monitorare

03/ Etichettatura immagini

Le immagini raccolte sono state etichettate e preparate per la successiva fase di addestramento

04/ Addestramento iniziale

Dopo aver scelto e implementato il modello migliore e più promettente, lo abbiamo addestrato utilizzando i dati raccolti

05/ Interazione e ottimizzazione

Ogni nuova immagine raccolta successivamente è stata sfruttata per migliorare iterativamente il modello

06/ Integrazione

Il modello sviluppato e validato è stato integrato all’interno del soluzione creata da Mint

Risultati e benefici

Il sistema sviluppato è stato validato su un impianto sportivo del trentino con ottimi risultati. Dalle immagini raccolte, è stato possibile rilevare con precisione le varie malattie del manto erboso.

Riduzione dei costi di manutenzione
La rilevazione e l’intervento ai primi stadi di sviluppo della malattia consente un notevole risparmio in termini di risorse lavorative e fitosanitarie

Riduzione dei costi ambientali
Un manto erboso manutenuto correttamente permette un utilizzo molto più efficiente di risorse idriche e di fitofarmaci e migliora inoltre la salute del campo stesso