Sintesi del progetto
Il progetto risponde alla crescita esponenziale dei dati prodotti da satelliti e sensori aerei, oggi capaci di osservare continuamente la Terra e generare petabyte di immagini relative a cambiamenti ambientali, agricoli, urbani e climatici. Il progetto mira a trasformare la grande quantità di immagini prodotte in indicazioni operative, riducendo il lavoro manuale e i tempi di lettura. L’attenzione è su casi reali: riconoscere impianti fotovoltaici, individuare segnali precoci di malattie della vite e mappare aree colpite da incendi, con procedure ripetibili.
Obiettivo
L’obiettivo del progetto è sviluppare algoritmi capaci di analizzare rapidamente e con precisione segnali complessi all’interno di immagini multispettrali e ad altissima risoluzione, riducendo al minimo l’intervento umano. Il progetto punta a democratizzare l’uso dei dati di osservazione della Terra e rendere accessibile l’analisi del territorio attraverso strumenti software semplici, scalabili e integrabili con infrastrutture HPC.
Problemi e necessità
La Space Economy è in rapida espansione e genera un volume di dati senza precedenti. Tuttavia, solo una piccola parte di questi dati è effettivamente utilizzata, a causa della scarsità di competenze tecniche e degli elevati costi di processamento. L’interpretazione tradizionale delle immagini richiede inoltre tempo, costi elevati, può introdurre e non essere sufficiente nei casi in cui è necessario riconoscere segnali deboli o cambiamenti minimi e farlo su aree estese.
Soluzioni sviluppate
Il progetto ha ottenuto risultati concreti attraverso tre principali linee di lavoro. La prima riguarda il monitoraggio agricolo: tramite analisi spettrale e delle immagini è stato possibile identificare precocemente sintomi di malattie nei vigneti. La seconda riguarda il settore energetico: è stato sviluppato un algoritmo deterministico in grado di riconoscere pannelli fotovoltaici in immagini aeree. La terza riguarda la gestione delle emergenze: modelli IA hanno identificato rapidamente aree colpite da incendi tramite segmentazione automatica, fornendo una risposta in tempi compatibili con le necessità della protezione civile. A supporto di tutte queste applicazioni è stata sviluppata una libreria software dedicata, semplice da usare e pensata per l’integrazione in flussi di lavoro operativi.
Impatti
Le metodologie sviluppate permettono interventi agricoli più tempestivi, riducendo perdite economiche e uso di pesticidi. Nel settore energetico, la mappatura automatica degli impianti solari supporta piani energetici più efficienti e affidabili. In ambito emergenziale, la rapida analisi degli incendi consente risposte più efficaci, riducendo l’impatto su vite, infrastrutture ed ecosistemi.
Settori di applicazione
Le metodologie sviluppate hanno ricadute dirette in Agricoltura di precisione e nella Gestione Energetica, e possono essere adottate dal Protezione Civile, Enti Territoriali, Aziende della Space Economy, Istituti di ricerca e Università. Gli algoritmi sono pensati per essere modulari e scalabili, e possono essere integrati in workflow cloud-based o HPC. Le tecniche sviluppate sono applicabili a molte altre tipologie di immagini,radar, iperspettrali e termiche. Grazie alla futura apertura della libreria software, la comunità può contribuire a estendere e migliorare ulteriormente la piattaforma.
