Realizzazione di un sistema informativo per la gestione, con tecniche di Intelligenza Artificiale, delle attività di viti-vinicoltura biologica, al fine di ridurre l’impiego di fitofarmaci in agricoltura.

Il progetto si è posto l’obiettivo di costruire modelli previsionali per la Peronospora e l’Oidio della vite al fine di razionalizzare i trattamenti antiparassitari e rendere più agevole e corretta la difesa fitoiatrica. Ci si prefigge, al termine delle diverse prove sperimentali, di riuscire ad effettuare una stima precisa del rischio di infezione, avvalendosi delle tecniche di Intelligenza Artificiale, in particolare delle Reti Neurali Artificiali (ANN). In viticoltura biologica, dove è necessario ridurre gli apporti rameici, come stabilito dalla normativa comunitaria, la razionalizzazione dei trattamenti assume importanza strategica.

Le prove sperimentali hanno previsto la collocazione di centraline meteo, presso 2 aziende vitivinicole a conduzione biologica, allo scopo di monitorare, in continuo, diverse variabili metereologiche (precipitazioni, temperatura dell’aria, umidità del terreno, bagnature fogliari, radiazione solare, umidità relativa dell’aria, temperatura del suolo, direzione e velocità del vento). Inoltre, sono stati presi in esame altri parametri quali le caratteristiche del terreno e delle cultivar, lo stadio fenologico della vite e il potenziale di inoculo in grado di influenzare lo sviluppo dei patogeni. Avvalendosi di un sistema di Intelligenza Artificiale (Reti Neurali Artificiali)  tutti i parametri in studio (input) sono stati analizzati per formulare ed individuare in maniera significativa (output) i momenti ottimali in cui effettuare gli interventi antiperonosporici e antioidici. I risultati ottenuti sono stati oggetto di studio anche per la costruzione di modelli previsionali in grado di superare i problemi di sottostima o sovrastima dei modelli previsionali tradizionali. Per quanto gli attacchi  di Plasmopara viticola e di Erysiphe necator siano stati di modesta entità, nel corso del biennio di prove, , la metodologia sperimentale utilizzata ha reso possibile la riduzione del numero dei trattamenti antiperonosporici ed antioidici con conseguente riduzione dei costi di gestione aziendale e dell’impatto ambientale. E’ emersa la difficoltà di costruire modelli previsionali generalizzabili a tutte le tipologie aziendali, che possono essere diverse per condizioni pedoclimatiche e caratteristiche del vigneto. L’impiego delle tecniche di Intelligenza Artificiale ha individuato soluzioni specifiche per le esigenze di ogni singola azienda.

G. Spera., A. La Torre, L. Campoli., R. Bugliosi., M. Scaglione. 2006. Development of non linear forecasting model of Plasmopara viticola infections using Artifìcial Neural Networks. 5th Int. Workshop on Grapevie Downy and Powdery Mildew. S. Michele all’Adige, Italy, 18-23 June 2006.

G. Spera., A. La Torre, R. Bugliosi., L. Campoli., M. Scaglione. 2006. Advanced use of Artificial Intelligenc Techniques on viticulture for the reduction of protection products use. Realization of a forecasting simulation model for Plasmopara viticolainfection. XXIXth World Congress of Vine and Wine- O.I.V. 2006 Spain, Logroño 25-30 June.

Spera G., Anna La Torre, Bugliosi R., Gianferro M., 2007. Rationalization of pesticide treatments against Powdery Mildew of grape. Comm. Appl. Biol. Sci. Ghent University, 72/2:315- 319.

G. Spera, R. Bugliosi, Anna La Torre, L. Campoli, Marika Gianferro, 2007. Results of a two years trials of a new forecasting model for Plasmopara viticola infection realized with an Artificial Neural Network. XVth International Symposium GESCO 2007 Croatia, Porec 20-23 June 2007, 1115-1123.