Applicazioni per l'agricoltura di precisione per la registrazione automatica dei registri di campo: esperienze di monitoraggio operativo nei vigneti della Val di Cembra

With the advent of mechanization, the concept of viticulture has undergone a net change. This has led to a renewal of viticulture and techniques used in the field capable of maximizing the quality of the raw material, the sustainability of the production process and the environment through the reduction and efficient use of inputs. The challenge and goal of modern viticulture is to use technologies to identify the production processes, to manage space-time variability to maximize profit in compliance with environmental constraints. Knowing how to interpret the variability of a biological phenomenon, means providing forms of continuous monitoring, through observation, collection, processing, use of evaluating and concretizing information into actions. Decision support systems are a tool through which people transform all the data collected from the external environment into information. The research activity is focused on the hope of operational monitoring solutions using tractor-oriented technology on 5 tractors and 13 machines operating in three distinct companies in the Val di Cembra. The monitoring period began on 5 July and continued until 10 October 2019. The aim of the thesis was the experimentation of sensors capable of collecting operational data of the tractors, to be used in a specific inference engine capable of interpreting the raw field data by means of semi-automated procedures from which to obtain useful information for the compilation of the countryside .The data analyzes are mainly concentrated on the processing operations during the growing season and transfer to the winery. Precisely, the data collected with monitoring were used to interpret the directional behavior and speed of the machine in the field. below, two speed thresholds have been identified, used together with the datalogger and transponder codes to identify the elementary operations of agricultural vehicles. Through the use of algorithms, 5 elementary phases were identified: effective operation, accessory in/out-field, pause, transport and 6 elementary phases for the grape transfer: full weight, grape sample, unloading, loading and washing, empty weight and documentation withdrawal each with its own ID identification code. The algorithms were evaluated by analyzing the correlation analysis considering the automatic values recorded in the field by the Dataloggers and those manually detected in the field. From the results of the correlation, all the values of R2 with scores > 0.7, meaning that the algorithm does not commit large errors of interpretation. The only differences were observed in turning operations between row. Nonetheless, we managed to obtain a detailed information level of actual machining values, break times, the number of work sessions and the number of fields worked, in each work session. Information summarized within tables that can be easily interpreted distinctly by company. the positive results obtained show that the application can be considered a valid and interesting tool for the automatic operational monitoring of agricultural and transfer activities in winery to be used for the automatic compilation of book field and traceability.

Con l'avvento della meccanizzazione, il concetto di viticoltura ha subito un cambiamento netto. Questo ha determinato un rinnovo della viticoltura e delle tecniche impiegate in campo in grado di massimizzare la qualità della materia prima, la sostenibilità del processo produttivo e dell'ambiente attraverso la riduzione e uso efficiente degli input. La sfida e l'obbiettivo della viticoltura moderna è quella di utilizzare tecnologie per l'identificare dei processi alla base delle produzioni, la gestione della variabilità spazio-temporale al fine di massimizzare i ricavi nel rispetto dei vincoli ambientali. Saper interpretare la variabilità di un fenomeno biologico, significa disporre di forme di continuo monitoraggio che, mediante l'osservazione, raccolta, elaborazione, permettono di valutare e concretizzare le informazioni in azioni. I sistemi informativi aziendali sono uno strumento attraverso cui le persone trasformano l'insieme dei dati raccolti in informazioni proveniente dall'ambiente esterno. L'attività di ricerca si è concentrata sulla sperimentazione di soluzioni di monitoraggio operativo mediante l'uso di tecnologia Tractor-Oriented su 5 trattrici e 13 macchine operatrici in tre distinte aziende della Val di Cembra. Il periodo di monitoraggio è iniziato il 5 di luglio e protratto fino al 10 ottobre 2019. Lo scopo della tesi è stato la sperimentazione di sensori capaci di raccoglie dati operativi delle trattrici, da impiegare in uno specifico motore di inferenza in grado di interpretare tramite procedure semiautomatizzate, i dati grezzi di campo dai quali ricavare delle informazioni utili alla compilazione dei quaderni di campagna. Le analisi dei dati si sono principalmente concentrate alle operazioni di lavorazioni di campo durante la stagione vegetativa e di conferimento alla cantina sociale. Piu precisamente, i dati raccolti con il monitoraggio sono stati usati per l'interpretazione del comportamento direzionale e della velocità della macchina in campo. di seguito, sono state identificate due soglie di velocità, impiegate insieme ai codici dei Datalogger e transponder per l'identificare le operazioni elementari dei mezzi agricoli. Mediante l'uso di algoritmi si sono identificate 5 fasi elementari di: operazione effettiva, accessoria, pausa in/fuori campo, trasporto e 6 fasi elementari per il conferimento, peso pieno, campione uva, scarico, carico e lavaggio, peso vuoto e ritiro documentazione ognuna con un suo codice di identificazione ID. Gli algoritmi sono stati valutati mediante analisi della correlazione tra i valori automatici registrati in campo dai Datalogger e quelli rilevati manualmente in campo. Dai risultati dalla correlazione, tutti i valori di R2 attestano punteggi > 0.7, a significare che l'algoritmo non commette grossi errori di interpretazione. Le uniche differenze si sono osservate nelle operazioni svolte. Ciò nonostante siamo riusciti ad ottenere un livello di informazione dettagliata di valori di lavorazione effettiva, di pausa, il numero di sessioni di lavoro e il numero di campi lavorati, in ogni sessione di lavoro. Informazioni, riepilogate all'interno di tabelle facilmente interpretabili distintamente per azienda. i risultati positivi ottenuti dimostrano che l'applicazione può essere considerata uno strumento valido e interessante per il monitoraggio operativo automatico delle attività agricole e di conferimento da impiegare per la compilazione automatica dei registri di campo