Difendere i vigneti con l'intelligenza artificiale, al via progetto Università di Pisa

Le nuove tecnologie al servizio dell'agricoltura con una difesa innovativa e sostenibile dei vigneti, il progetto dell'Università di Pisa è uno dei quattro europei finanziati

Il progetto wAIne dell’Università di Pisa e di Wondersys tra vincitori di CrescerAI, bando dell’Impresa sociale sostenuto da Google.org
“CrescerAI”, il bando dell’Impresa sociale Fondo per la Repubblica Digitale sostenuto da Google.org con 2,2 milioni di euro tramite il proprio Social Innovation Fund per l’Intelligenza Artificiale (IA), ha selezionato 4 progetti che svilupperanno, nel corso dei prossimi 24 mesi, soluzioni IA open source destinate alle piccole e medie imprese (PMI) del made in Italy. 

Tra i 4 progetti, è stato selezionato “wAIne - Viticoltura e Intelligenza Artificiale”, presentato dall’Università di Pisa – Centro di servizi Polo Universitario Sistemi Logistici di Livorno, assieme al Dipartimento di Scienze Agrarie, Alimentari e Agro-ambientali dell’Università di Pisa e Wondersys, che mira a sviluppare un sistema di supporto alle decisioni per la difesa innovativa e sostenibile dei vigneti.
Scopo del progetto è lo sviluppo di un sistema di supporto alle decisioni (SSD) per la difesa innovativa e sostenibile dei vigneti, che sia open source e che, utilizzando l’IA, si avvalga anche di dati iperspettrali raccolti sulle piante ospiti, oltre che microclimatici, per fornire informazioni sullo stato fitosanitario.

I coordinatori del progetto sono i professori Mario G.C.A. Cimino per il Polo Sistemi Logistici, Lorenzo Cotrozzi per il Dipartimento di Scienze Agrarie, Alimentari e Agro-ambientali dell’Università di Pisa e l'ingegnere di Giacomo Sergio per Wondersy. 
Gli obiettivi per punti sono: 1. Garantire che il SSD supporti l’adozione delle pratiche di difesa integrata e sostenibile. 2. Creare un sottosistema che armonizzi la raccolta dati provenienti da diverse fonti. 3. Coinvolgere attivamente i produttori e i consorzi vitivinicoli, oltre che i servizi fitosanitari nella definizione del SSD. 4. Sviluppare modelli predittivi accurati basati sul machine learning per la diagnosi delle malattie delle piante. 5. Sviluppare un sottosistema di verifica periodica per la manutenzione del SSD.