project - EIP-AGRI Operational Group
Digital Viticulture in Tuscany (DigiViT)
Viticoltura Digitale in Toscana (DigiViT)
Objectives
Development of an operational tool that can be used by wineries for the early estimation of production and quality. The project aims to satisfy the real business interests, meeting the operational criticalities and finding solutions for the improvement of production processes in terms of times and costs. Among the business critical issues in the Tuscan wine-growing context, the project intends to intervene on the forecast of yields and quality through the analysis of ultra-high resolution images remotely sensed by drone, aimed at recognizing individual clusters.
Objectives
Sviluppo di uno strumento operativo utilizzabile dalle aziende vitivinicole per la stima precoce delle produzioni e della qualità. Il progetto intende soddisfare i veri interessi aziendali, venendo incontro alle criticità operative e trovando soluzioni per il miglioramento dei processi produttivi in termini di tempi e costi. Tra le criticità aziendali nel contesto viticolo Toscano, il progetto intende intervenire sulla previsione delle rese e qualità attraverso l’analisi delle immagini ad altissima risoluzione telerilevate da drone, finalizzata al riconoscimento dei singoli grappoli.
Activities
- Animation between partners, coordination and information activities
- Realization of a prototype: development of a drone (EFESTO) for precision viticulture applications
- Characterization of the variability in terms of vigor present within the experimental vineyards
- Estimated production and estimate quality
- Development of an operational tool: development of an unsupervised tool that, starting from the images acquired by the drone, gives companies back support for decisions
Activities
- Animazione tra partner, coordinamento e attività di informazione
- Realizzazione di un prototipo: sviluppo di un drone (EFESTO) per applicazioni di viticoltura di precisione
- Caratterizzazione della variabilità in termini di vigoria presente all’interno dei vigneti sperimentali
- Stima delle Produzioni e stima della qualità
- Sviluppo di un tool operativo: sviluppo di uno strumento non supervisionato che a partire dalle immagini acquisite dal drone, restituisce alle aziende supporto alle decisioni
Contexte
Negli ultimi anni la ricerca scientifica nell’ambito della viticoltura di precisione ha fornito tecnologie sempre più performanti e all’avanguardia per il monitoraggio e l’attuazione sito-specifica in vigneto. Tuttavia l’impiego reale di queste tecniche tarda a diffondersi. Una delle cause è la natura eccessivamente specifica delle soluzioni proposte che si allontanano dagli interessi concreti delle aziende, restando quindi scollegate dalla realtà. Il progetto intende soddisfare quelli che sono i veri interessi aziendali, venendo incontro alle criticità operative e trovando soluzioni che consentano il miglioramento dei processi produttivi in termini di tempi e costi. Tra le criticità maggiormente rilevate, il progetto interverrà sulla previsione delle rese e qualità attraverso l’analisi delle immagini ad altissima risoluzione telerilevate da drone, finalizzata al riconoscimento non solo della pianta ma soprattutto dei singoli grappoli.
In recent years scientific research in the field of precision viticulture has provided increasingly performing and cutting-edge technologies for sitespecific monitoring and implementation. However, the actual use of these techniques is slow to spread. One of the causes is the excessively specific nature of the proposed solutions that move away from the concrete interests of the companies. This project intends to satisfy those that are the real business interests, meeting the operational problems and finding solutions that allow the improvement of production processes in terms of time and costs. Among the criticalities in the Tuscan viticultural context, the project involves on the yield prediction and quality through the analysis of high resolution remote sensing images from drone.
Further details
- Main funding source
- Rural development 2014-2020 for Operational Groups
- Rural Development Programme
- 2014IT06RDRP010 Italy - Rural Development Programme (Regional) - Toscana
Location details
- Main geographical location
- Siena
Project keyword
Topics
€ 220000
Total budget
Total contributions from EAFRD, national co-financing, additional national financing and other financing.
Contacts
-
Alessandro Matese - Salvatore Filippo Di Gennaro
Project coordinator
-
Filippo Vigni
Project partner
-
Gionata Pulignani
Project partner
-
Matteo Tonghini
Project partner
-
Simone Giusti
Project partner
1 Practice Abstracts
This project found solutions that allow the improvement of production processes in terms of time and cost. This is the only way forward for the concrete and tangible dissemination of precision viticulture technologies.
The forecast of grape yields is an important tool to help the agronomist make the management choices aimed at preserving the productive balance and optimizing production. The production data provides valid support for the management of harvest logistics in terms both of harvesting in the field and transformation in the cellar. In this project, image processing algorithms based on pattern recognition will be developed for cluster recognition using high resolution images acquired by drone. This task was to come up with a quick and easy way to get an early estimate of the yields that is representative of the vineyard's variation.
The determination of the optimal harvest date is the result of a periodic monitoring of the vineyard where grape samples are sampled to determine the level of some qualitative parameters. Specifically, they are sampled manually by some grapes selected by an operator and subjected to a series of analyses. The project identified a solution that allows us to optimize the process, not only reducing costs and operating times but also validating an objective procedure. A calibrated and validated procedure has been developed to perform rapid monitoring in areas representative of the variability within the vineyard, based on an objective approach that maintains the same assessment criteria not only on some grapes but on all the clusters identified within the monitored fruiting band.
DIGIVIT ha soddisfatto quelli che sono i veri interessi aziendali venendo incontro alle criticità operative e trovando soluzioni che consentano il miglioramento dei processi produttivi in termini di tempi e soprattutto costi.
La previsione delle rese dell'uva è un’informazione importante per aiutare l’agronomo nelle scelte gestionali finalizzate a preservare l’equilibrio vegeto produttivo e ottimizzare la produzione. I dati produttivi forniscono un valido supporto alla gestione della logistica di vendemmia in termini sia in termini di raccolta in campo che trasformazione in cantina. DIGIVIT ha sviluppato algoritmi di image processing basati su pattern recognition per il riconoscimento dei grappoli utilizzando immagini in estremo dettaglio acquisite da drone.
La determinazione della data ottimale di vendemmia è il frutto di un monitoraggio periodico del vigneto in cui vengono effettuati dei campionamenti spazializzati di uve per la determinazione del livello evolutivo di alcuni parametri qualitativi. Il progetto ha fornito una soluzione che consente di ottimizzare il processo riducendo costi e tempi operativi e validare una procedura oggettiva priva di potenziali errori dovuti alla soggettività decisionale in fase di campionamento. Attraverso l’applicazione di algoritmi di analisi dell’immagine è stato analizzato il profilo cromatico dei grappoli individuati da immagini acquisite da drone ed è stata messa a validata una procedura per effettuare un monitoraggio rapido in zone rappresentative della variabilità interna al vigneto, basato su un approccio oggettivo che mantiene gli stessi criteri valutativi non solo su alcuni acini ma su tutti i grappoli identificati all’interno della fascia fruttifera monitorata.