Un insieme di trend futuri (come l’aumento della popolazione mondiale e il cambiamento climatico) e sfide che il sistema agroalimentare dovrà affrontare, costringeranno l'agricoltura e, quindi, i suoi processi produttivi, a diventare più produttivi, sostenibili e intelligenti. Fattori chiave per abilitare la trasformazione del settore agricolo, un trend noto con termini quali Smart Agricolture (SA) e Smart Farming (SF), saranno un insieme di tecnologie digitali molto eterogenee, che includeranno droni, trattori a guida autonomi, algoritmi basati sull'intelligenza artificiale (IA), e Internet of Things (IoT). Tra queste, quest'ultima tecnologia svolgerà un ruolo cruciale nell'integrare efficacemente tutte le altre tecnologie all'interno di un unico sistema, in grado di gestire automaticamente le attività produttive di una futura fattoria altamente tecnologica (o smart farm). L'IoT consente infatti di costruire sistemi (IoT/SA-oriented systems) in grado di raccogliere, elaborare, condividere e memorizzare dati rilevanti per i processi agricoli, consentendo così l'implementazione di Farm Management Systems (FMS) in grado di creare nuovo valore dai dati di interesse. In dettaglio, i dati raccolti, provenienti da dispositivi fisici installati nelle fattorie (es. sensori, trattori, smart collar) o da fonti esterne al sistema (es. database storici), sono gestiti da un'infrastruttura di comunicazione e di calcolo (IoT), i quali componenti di elaborazione sono distribuiti tra reti locali di dispositivi installate nelle fattorie e il Cloud (in altre parole, questa infrastruttura implementa il paradigma dell'edge computing e del Cloud computing). Lo sviluppo della suddetta architettura basata su tecnologie IoT deve affrontare diverse sfide. Alcune di essi sono tipiche delle tecnologie IoT (eincludono eterogeneità, modularità, scalabilità e standardizzazione), mentre altre diventano più incisive quando sono coinvolti scenari agricoli (ad esempio, problemi di connettività, ambiente ostile e gestione dell'alimentazione dei dispositivi). Nonostante diversi sistemi IoT/SA-oriented proposti in letteratura abbiano notevolmente migliorato la gestione di alcune attività agricole, permane la necessità di definire metodologie per (i) gestire adeguatamente tutte le sfide che caratterizzano i sistemi IoT/SA-oriented e per (ii) sviluppare sistemi IoT general-purpose destinati ad applicazioni SA. Per questo motivo, l'obiettivo di questa tesi di dottorato è quello di coprire questi research gaps secondo le seguenti quattro fasi. Innanzitutto, sono identificati e discussi i principali aspetti, le sfide, le tecnologie e i requisiti da considerare durante la progettazione e lo sviluppo di sistemi IoT destinati ad applicazioni di SA. In secondo luogo, è definito un modello architetturale di riferimento (o framework) da seguire durante lo sviluppo di sistemi IoT/SA-oriented general-purpose, che siano modulari, scalabili, in grado di integrare facilmente tecnologie eterogenee e di accelerare la diffusione delle smart farm. Ciò considerando le conoscenze teoriche e pratiche acquisite durante l’approfondita analisi della letteratura effettuata nella prima fase e l'esperienza pratica maturata dall'autore di questa tesi di dottorato sul campo. Terzo, il framework proposto nella seconda fase è validato sperimentalmente. Questo presentando (i) come sono stati sviluppati due veri sistemi IoT/SA-oriented seguendo il modello architetturale presentato; e (ii) i risultati sperimentali correlati ai due sistemi descritti. In quarto luogo, vengono forniti alcuni approfondimenti riguardanti l'integrazione di strumenti di intelligenza artificiale (come le Neural Networks, NNs) nel framework proposto al fine di sviluppare algoritmi di data mining, analisi e previsione. Quest’ultimo obiettivo è raggiunto presentando due metodologie da adottate per sviluppare due algoritmi previsionali basati su NN, partendo dai dati raccolti mediante uno dei due sistemi presentati nella terza fase e con l'obiettivo di migliorare la gestione di una serra.
Design and Development of IoT Architectures for Smart Agriculture Systems / Codeluppi, G.. - (2022).
Design and Development of IoT Architectures for Smart Agriculture Systems
CODELUPPI, GAIA
2022-01-01
Abstract
Un insieme di trend futuri (come l’aumento della popolazione mondiale e il cambiamento climatico) e sfide che il sistema agroalimentare dovrà affrontare, costringeranno l'agricoltura e, quindi, i suoi processi produttivi, a diventare più produttivi, sostenibili e intelligenti. Fattori chiave per abilitare la trasformazione del settore agricolo, un trend noto con termini quali Smart Agricolture (SA) e Smart Farming (SF), saranno un insieme di tecnologie digitali molto eterogenee, che includeranno droni, trattori a guida autonomi, algoritmi basati sull'intelligenza artificiale (IA), e Internet of Things (IoT). Tra queste, quest'ultima tecnologia svolgerà un ruolo cruciale nell'integrare efficacemente tutte le altre tecnologie all'interno di un unico sistema, in grado di gestire automaticamente le attività produttive di una futura fattoria altamente tecnologica (o smart farm). L'IoT consente infatti di costruire sistemi (IoT/SA-oriented systems) in grado di raccogliere, elaborare, condividere e memorizzare dati rilevanti per i processi agricoli, consentendo così l'implementazione di Farm Management Systems (FMS) in grado di creare nuovo valore dai dati di interesse. In dettaglio, i dati raccolti, provenienti da dispositivi fisici installati nelle fattorie (es. sensori, trattori, smart collar) o da fonti esterne al sistema (es. database storici), sono gestiti da un'infrastruttura di comunicazione e di calcolo (IoT), i quali componenti di elaborazione sono distribuiti tra reti locali di dispositivi installate nelle fattorie e il Cloud (in altre parole, questa infrastruttura implementa il paradigma dell'edge computing e del Cloud computing). Lo sviluppo della suddetta architettura basata su tecnologie IoT deve affrontare diverse sfide. Alcune di essi sono tipiche delle tecnologie IoT (eincludono eterogeneità, modularità, scalabilità e standardizzazione), mentre altre diventano più incisive quando sono coinvolti scenari agricoli (ad esempio, problemi di connettività, ambiente ostile e gestione dell'alimentazione dei dispositivi). Nonostante diversi sistemi IoT/SA-oriented proposti in letteratura abbiano notevolmente migliorato la gestione di alcune attività agricole, permane la necessità di definire metodologie per (i) gestire adeguatamente tutte le sfide che caratterizzano i sistemi IoT/SA-oriented e per (ii) sviluppare sistemi IoT general-purpose destinati ad applicazioni SA. Per questo motivo, l'obiettivo di questa tesi di dottorato è quello di coprire questi research gaps secondo le seguenti quattro fasi. Innanzitutto, sono identificati e discussi i principali aspetti, le sfide, le tecnologie e i requisiti da considerare durante la progettazione e lo sviluppo di sistemi IoT destinati ad applicazioni di SA. In secondo luogo, è definito un modello architetturale di riferimento (o framework) da seguire durante lo sviluppo di sistemi IoT/SA-oriented general-purpose, che siano modulari, scalabili, in grado di integrare facilmente tecnologie eterogenee e di accelerare la diffusione delle smart farm. Ciò considerando le conoscenze teoriche e pratiche acquisite durante l’approfondita analisi della letteratura effettuata nella prima fase e l'esperienza pratica maturata dall'autore di questa tesi di dottorato sul campo. Terzo, il framework proposto nella seconda fase è validato sperimentalmente. Questo presentando (i) come sono stati sviluppati due veri sistemi IoT/SA-oriented seguendo il modello architetturale presentato; e (ii) i risultati sperimentali correlati ai due sistemi descritti. In quarto luogo, vengono forniti alcuni approfondimenti riguardanti l'integrazione di strumenti di intelligenza artificiale (come le Neural Networks, NNs) nel framework proposto al fine di sviluppare algoritmi di data mining, analisi e previsione. Quest’ultimo obiettivo è raggiunto presentando due metodologie da adottate per sviluppare due algoritmi previsionali basati su NN, partendo dai dati raccolti mediante uno dei due sistemi presentati nella terza fase e con l'obiettivo di migliorare la gestione di una serra.| File | Dimensione | Formato | |
|---|---|---|---|
|
21_PhD_activites_report_Gaia_Codeluppi.pdf
non disponibili
Licenza:
Creative commons
Dimensione
57.62 kB
Formato
Adobe PDF
|
57.62 kB | Adobe PDF | Visualizza/Apri Richiedi una copia |
|
21_PhD_thesis_official_rev_GaiaCodeluppi.pdf
Open Access dal 02/03/2023
Licenza:
Creative commons
Dimensione
91.02 MB
Formato
Adobe PDF
|
91.02 MB | Adobe PDF | Visualizza/Apri |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.


