Monitoraggio spettrale e intelligenza artificiale come strumento di diagnostica relativo allo stato di presenza del ragnetto rosso sulle foglie di melanzana

Abstract

Il ragnetto rosso (TSSM - Tetranychus urticae) è un parassita molto dannoso per diversi tipi di colture. I meccanismi attraverso i quali è in grado di recare danno alle piante sono due: perfora le cellule delle piante al fine di succhiarne la linfa contenuta e tesse delle ragnatele per difendersi dai predatori, che causano problemi alla pianta in termini di respirazione cellulare e a lungo andare possono portarla a morire. Il trattamento è tanto più efficace quanto prima l’infestazione viene individuata e richiede quindi una diagnosi precoce dell’infestazione, che attualmente viene eseguita tramite ispezione visiva. Questo studio ha lo scopo di proporre un sistema di diagnosi innovativo basato sull’analisi di immagini multi- e iperspettrali. In particolare, a partire da rilievi terrestri o aerei di foglie ottenuti tramite sensori multispettrali si volevano individuare dei parametri radiometrici che permettessero di discriminare le foglie dove il ragnetto era presente dalle foglie dove questo era assente. L’analisi statistica dei parametri misurabili scelti ha mostrato che le bande Blu, Verde, Rosso e Red-Edge (RE), e gli indici Normalized Difference Vegetation Index (NDVI), Green NDVI (GNDVI), e Red-Edge GNDVI (REGNDVI), presentavano forti correlazioni con lo stato di presenza del ragnetto sulle foglie, e, seppure in nessun caso siano state trovate correlazioni nette, i risultati si prospettavano incoraggianti al fine di implementare algoritmi di classificazione basati su Artificial Intelligence (AI). In questa sede sono stati implementati algoritmi di classificazione basati su clustering gerarchico e k-Nearest Neighbors (kNN), e i risultati ottenuti incentivano allo sviluppo e all’approfondimento tanto delle tecniche testate quanto di altre come quelle basate su Fuzzy Logic (FL) o Artificial Neural Networks (ANN).