Contatti

Intelligenza artificiale e visione artificiale

Deep learning, object detection e modelli predittivi per la diagnosi automatica delle malattie, la conta dei frutti e la discriminazione tra coltura e infestante.

Guide pubblicate

20 guide
  1. Discriminazione automatica tra coltura ed erbe infestanti allo stadio cotiledonare8 min
  2. Edge AI e GPU embedded: elaborazione in-Situ e real-Time sulle macchine agricole8 min
  3. Algoritmi transformer vs YOLO: detection di erbe infestanti ad alta densità in campo biologico7 min
  4. Conta automatica di fiori e frutti su chioma arborea mediante immagini ad alta risoluzione ed IA7 min
  5. Riconoscimento e geolocalizzazione automatica di semi infestanti nocivi nei lotti di sementi importate7 min
  6. Ricostruzione 3D ed IA: stima del volume e della struttura della chioma degli alberi da frutto7 min
  7. Visione artificiale applicata alle trappole IoT: conteggio ed identificazione automatica dei parassiti7 min
  8. Classificazione dello stadio evolutivo degli insetti dannosi tramite microscopia digitale integrata ad IA7 min
  9. Robustezza dei modelli di IA in condizioni atmosferiche avverse: gestire ombre, vento e variazioni di luce7 min
  10. Segmentazione semantica dello stress salino ed idrico tramite reti neurali dedicate7 min
  11. Diagnosi fitosanitaria assistita da smartphone: combinare rilievi aeri e foto di dettaglio da terra7 min
  12. Dataset agricoli, prevenzione dei bias ed etica dei modelli di IA per l'Agricoltura biologica7 min
Altre 7 guide
  1. Algoritmi YOLO e computer vision per la conta delle piante e la stima della resa in campo8 min
  2. Dataset agricoli e synthetic augmentation: addestrare reti neurali per la difesa8 min
  3. Integrazione tra dati multispettrali UAV e modelli predittivi di intelligenza artificiale8 min
  4. Monitoraggio degli stadi fenologici e stima automatica dello sviluppo delle colture8 min
  5. Previsione dei focolai fitosanitari con algoritmi di machine learning e dati microclimatici8 min
  6. Segmentazione semantica e modelli u-Net per la mappatura di precisione della canopia8 min
  7. Sistemi vision-Language e RAG per il supporto decisionale dell'Agronomo8 min

In programma

Gli argomenti di questa area tematica già in lavorazione secondo il piano editoriale di BBIO.

  1. Architetture YOLO (YOLOv5, YOLOv8, YOLOv11) in agricoltura: funzionamento e applicazioni pratiche
  2. Generative AI e data augmentation (IP-Adapter, Stable Diffusion) per l'addestramento dei modelli agricoli
  3. Vision language models e RAG (Retrieval-Augmented Generation): l'assistente virtuale per l'agronomo
  4. Stima automatica della gravità delle infezioni (peronospora, oidio, botrite) tramite segmentazione semantica
  5. Data fusion: integrare immagini multispettrali UAV, serie storiche meteo e dati di suolo in modelli predittivi IA
  6. Stima del grado di maturazione dei frutti e determinazione della data ottimale di raccolta con la computer vision
  7. Il futuro dell'intelligenza artificiale in agricoltura: etica, trasparenza degli algoritmi e modelli open source
<