Insegnamento
|
CFU
|
SSD
|
Ore Lezione
|
Ore Eserc.
|
Ore Lab
|
Ore Studio
|
Attività
|
Presenza materiale didattico in altra lingua
|
Lingua
|
119413 -
Fondamenti di ingegneria digitale applicata all'agricoltura
|
|
-
Sensoristica
(obiettivi)
L'obiettivo del modulo di sensoristica del corso di Fondamenti di ingegneria digitale applicato all'agricoltura è quello di fornire allo studente piena la conoscenza sia del corretto linguaggio metrologico sia del funzionamento dei principali strumenti di misura per applicazioni di agricoltura digitale. Gli strumenti verranno analizzati sia da un punto di vista realizzativo che del principio di funzionamento. I risultati attesi secondo i descrittiri di Dublino sono i seguenti:
- Conoscenza e capacità di comprensione: Conoscere le definizioni delle caratteristiche metro statiche e dinamiche, conoscere le definizioni delle unità di misura, comprendere il significato di distribuzione di probabilità legata alla misura in modo da saper definire l'incertezza estesa, comprendere il concetto di campionamento e conversione analogico-digitale, comprende il funzionamento di uno strumento di misura per la valutazione elettriche di grandezze meccaniche, termiche ed in applicazioni di agricoltura digitale. - Capacità di applicare una corretta conoscenza e comprensione: Avere una comprensione dell'approccio scientifico nel campo delle misure. Avere la capacità di svolgere in modo autonomo una taratura ed associare la corretta incertezza nella funzione degli strumenti utilizzati. Comprendere attraverso la statistica applicata la significatività dei risultati. Avere la capacità di effettuare uno studio dinamico degli strumenti di misura del primo e del secondo ordine. - Abilità di giudizio: Lo studente sarà in grado di valutare i sensori più adatti ad un determinato impiego e sarà in grado di selezionare l'applicazione nel mondo dell'agricoltura corretta. - Abilità comunicativa: Lo studente acquisirà le capacità tali da poter argomentare in sede d'esame i concetti metrologici e di incertezza, così come il principio di funzionamento dei sensori e l'importanza del mondo delle misure nel campo agricolo. - Capacità di apprendere: Lo studente acquisirà le competenze tali da poter approfondire autonomamente lo studio di sensori avanzati o l'utilizzo di quali l'intelligenza artificiale, oltre quelli base visti a lezione.
-
TABORRI JURI
( programma)
Il programma dettagliato è il seguente:
- Argomento 1 Metrologia, taratura e statistica (8 ore): Processo di misurazione, Sistemi di unità di misura, Trasduttore, Caratteristiche metrologiche statiche, Grandezze di influenza, Criteri di progetto delle catene di misura, Caratteristiche metrologiche dinamiche, Curva di Gauss e deviazione standard del valor medio, Distribuzione t di Student, Test statistici, Intervallo di confidenza, Incertezza di tipo A, Incertezza di tipo B, Propagazione delle incertezze; - Argomento 2 Amplificatori e filtri (4 ore): Configurazione invertente, Configurazione non invertente, Amplificatore reale, Amplificatore per strumentazione, Filtri passa basso del primo ordine, Filtri passa alto del primo ordine; - Argomento 3 Acquisizione e conversione analogico-digitale (4 ore): teorema del campionamento, quantizzazione, convertitori A/D; - Argomento 4 Misure di temperatura e umidità (6 ore): Termometri metallici, Termistori, Termocoppie, Termometri a circuito integrato, Termometri chimici, Misuratori di umidità; - Argomento 5 Misure di pressione (4 ore): Manometro a colonna di liquido, Manometro Bourdon, Manometro a diaframma, Vacuometro di Mc Leod, Vacuometro a conducibilità termica; - Argomento 6 Misure di portata e viscosità (4 ore):Viscosimetri a capillare, Viscosimetri a sfera, Viscosimetri rotazionali, Misuratori di portata a pressione differenziale, Misuratori a turbina, Anemometro a filo caldo; - Argomento 7 Misure di qualità dell'aria (2 ore): sensori di inquinamento, sensori CO2; - Argomento 8 Misure non distruttive (4 ore): spettroscopia infrarossi e tecnologia NIR, colorimetria, applicazioni agricole;
Inoltre, sono previste attività di laboratorio/seminari:
- Laboratorio di misure (2 ore): strumenti primo e secondo ordine, amplificatori, termometri; - Il mondo delle misure e l'agricoltura digitale (4 ore); - L'intelligenza artificiale (4 ore): nozioni base e utilizzo in ambito di agricoltura di precisione.
( testi)
Per il superamento dell'esame è sufficiente il materiale didattico redatto dal docente e caricato sulla piattaforma moodle. Per approfondimenti, è suggerito consultare i seguenti libri: VALLASCAS Fondamenti di misure meccaniche e termiche, Hoepli VALLASCAS, PATANÈ Misure meccaniche e termiche, Hoepli E. O. DOEBELIN Strumenti e metodi di misura, Mac Graw Hill (alcuni capitoli)
|
6
|
ING-IND/12
|
48
|
-
|
-
|
-
|
Attività formative affini ed integrative
|
|
ITA |
-
Basi di meccatronica e IOT
(obiettivi)
L'obiettivo del modulo di "Basi di meccatronica ed IOT" del corso di Fondamenti di ingegneria digitale applicato all'agricoltura è quello di fornire allo studente piena la conoscenza sia delle componenti fondamentali della meccatronica: automazione ed elettronica con applicazione all'agricoltura digitale. I risultati di apprendimento attesi sono: (i) la conoscenza dei contenuti teorici del corso (descrittore di Dublino n°1), (ii) la competenza nell’esporre le proprie capacità di argomentazione tecniche (descrittore di Dublino n°2), (iii) l’autonomia di giudizio (descrittore di Dublino n°3) nel proporre l’approccio più opportuno per argomentare quanto richiesto e (iv) la capacità dello studente di esporre con proprietà di linguaggio le risposte alle domande proposte dalla Commissione, di sostenere un rapporto dialettico durante discussione e di dimostrare capacità logico-deduttive e di sintesi nell'esposizione (descrittore di Dublino n°4).
-
MINUCCI Simone
( programma)
Introduzione all'elettrotecnica ed all'elettronica: componenti principali per un circuito elettronico e metodi di analisi dei circuiti in regime stazionario. Introduzione all'automazione industriale: microcontrollori e PLC per l'agricoltura digitale. Introduzione all'arduino: programmazione di un controllore arduino per applicazioni di agricoltura digitale.
( testi)
Appunti delle lezioni Giulio Fabricatore, Elettrotecnica e applicazioni, Liguori Editori, 1994 Arduino starter kit
|
6
|
ING-IND/31
|
48
|
-
|
-
|
-
|
Attività formative affini ed integrative
|
|
ITA |
119466 -
Innovazione nella gestione delle problematiche fitosanitarie
|
|
-
Entomologia
(obiettivi)
Il corso si propone di fornire agli studenti le conoscenze fondamentali per un approccio moderno e digitale alla gestione delle problematiche entomologiche negli ecosistemi agrari e naturali. Alla fine del Corso lo studente dovrà conoscere le più recenti metodologie digitali e biotecnologiche per la gestione di insetti dannosi in ambito agrario e forestale per prevenirle e/o contenerne gli effetti nocivi. Il corso persegue i seguenti obiettivi formativi: CONOSCENZA E CAPACITÀ DI COMPRENSIONE Conoscenza delle principali forme di gestione fitosanitaria delle coltivazioni, delle tradizionali strategie di monitoraggio e controllo degli insetti dannosi e delle metodologie di applicazione. Conoscenza delle potenziali innovazioni nel monitoraggio di insetti dannosi: proximal e remote sensing e machine learning. Approfondimento di casi studio per l’estensione dei principi acquisiti ad altri casi. Conoscenza e applicazione di modelli matematici e statistici per la descrizione e la predizione delle popolazioni di insetti. Esempi di software impiegati e loro applicazione su altri casi di studio. CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE Comprensione degli approcci entomologici innovativi discussi a lezione, e delle loro applicazioni a casi specifici in ambiente agrario e forestale. AUTONOMIA DI GIUDIZIO Applicazione delle conoscenze acquisite a lezione a casi studi. Applicazione delle conoscenze acquisite per l'individuazione delle strategie innovative affrontate a lezione, per una sostenibile gestione delle problematiche fitosanitarie. ABILITA' COMUNICATIVE Utilizzo della corretta terminologia tecnico-scientifica nella descrizione degli argomenti del corso. Capacità di sintesi ed efficacia comunicativa nella descrizione degli argomenti del corso. CAPACITA' DI APPRENDERE Conoscenza degli argomenti del corso e capacità critica di comprendere gli aspetti cruciali di una problematica fitosanitaria, di come applicare le innovazioni tecnologiche attualmente disponibile e come effettuare i necessari approfondimenti.
-
CONTARINI Mario
( programma)
1. Importanza della gestione integrata 2. Strategie di monitoraggio tradizionali e potenziali innovazioni 3. Sistemi di supporto alle decisioni (DSS) Modelli matematici per la descrizione e la predizione delle popolazioni di insetti Modelli statistici e matematici per lo studio della distribuzione delle specie (MAXENT, Random Forest etc) Misura e stima di popolazioni di insetti Casi studio
4. Proximal sensing nel monitoraggio delle problematiche entomologiche in ambito agrario e forestale Monitoraggio con trappole automatizzate Tecnologia YOLO e machine learning per la detection e il riconoscimento di pests Casi studio
5. Remote sensing nel monitoraggio delle problematiche entomologiche in ambito agrario e forestale UAV e sensori, raccolta ed elaborazione dati L’uso dei dati raccolti da satellite per la valutazione dell’azione di insetti fitofagi Casi studio
6. App per il riconoscimento di specie di insetti (citizen science)
( testi)
Agli studenti verranno fornite le slides delle lezioni. Lo studio sarà integrato con pubblicazioni scientifiche fornite dal docente
|
3
|
AGR/11
|
24
|
-
|
-
|
-
|
Attività formative caratterizzanti
|
|
ITA |
-
Patologia
(obiettivi)
Il corso intende fornire agli studenti le conoscenze fondamentali per un approccio moderno alla gestione (eco)sostenibile delle problematiche fitosanitarie riconducibili a stress abiotici e biotici, questi ultimi con particolare riferimento a funghi, batteri e virus negli ecosistemi agrari e naturali. Alla fine del Corso lo studente sarà in grado di scegliere le più recenti metodologie digitali e biotecnologiche da utilizzare nei diversi contesti in cui si possono manifestare le malattie delle piante in ambito agrario e forestale per prevenirle e/o contenerne gli effetti nocivi. Il corso persegue i seguenti obiettivi formativi: CONOSCENZA E CAPACITÀ DI COMPRENSIONE Acquisizione di una esaustiva conoscenza delle nozioni di base della difesa fitosanitaria nel contesto dell'Agricoltura digitale: comprensione delle modalità di insorgenza e diffusione delle malattie dei vegetali e di come valutarle con strumenti innovativi; comprensione delle principali strategie innovative diagnostiche e come applicarle correttamente; solida conoscenza delle più recenti innovazioni tecnologiche per la difesa preventiva e contenitiva dalle avversità fitosanitarie. CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE Applicazione della gestione delle problematiche fitosanitarie tramite approcci digitali ed innnovativi; consocenza delle strategie pre- e post-insorgenza da attuare per limitare al massimo il danno fitopatologico. AUTONOMIA DI GIUDIZIO Capacità di affrontare una problematica fitosanitaria con le metodologie discusse a lezione o analoghe ad esse, e di attingere alle conoscenze acquisite nel Corso per gestirla al meglio. ABILITA' COMUNICATIVE Utilizzo della corretta terminologia tecnico-scientifica nella descrizione degli argomenti del corso. Capacità di sintesi ed efficacia comunicativa nella descrizione degli argomenti del corso. CAPACITA' DI APPRENDERE Conoscenza degli argomenti del corso e capacità critica di comprendere a fondo gli aspetti cruciali di una problematica fitosanitaria e di come affrontarla con le metodiche più recenti.
-
MAZZAGLIA Angelo
( programma)
Importanza dell’approccio digitale e delle innovazioni tecnologiche nella gestione delle malattie delle piante. Rilevamento e monitoraggio delle malattie e dei patogeni che le causano: • Approccio critico alla diagnosi: quando bastano le tecniche tradizionali e quando no • Metodi diagnostici avanzati: o tecniche immunologiche (ELISA, DBTIA, Lateral flow, ecc.) o molecolari (PCR standard, Real-Time PCR (qPCR), loop-mediated isothermal amplification (LAMP), digital droplet PCR (ddPCR). o biosensori Valutazione del danno strutturale agli alberi e rischio correlato alla stabilità delle piante in ambiente urbano: • VTA, diagnosi strumentale (resistografo, tomografo, martello a impulsi, succhiello di Pressler, frattometro, uso degli infrasuoni, sistemi d’indagine radicale ad aria compressa, ecc.) Valutazione dell’incidenza della malattia e del danno provocato tramite telerilevamento: • immagini satellitari, ultraleggeri e droni. Approccio bioinformatico alla comprensione della biologia dei patogeni attraverso le scienze omiche (genomica, trascrittomica, proteomica, ecc.); Strategie per la prevenzione delle malattie e la gestione delle stesse nell’agricoltura di precisione: • modelli previsionali • reti di monitoraggio • sistemi di supporto decisionale (DSS) per la difesa fitosanitaria. Ottimizzazione della distribuzione dei principi attivi: vantaggi e problematiche Strumenti innovativi per la difesa delle piante: • il genome editing • le nanotecnologie nella difesa fitosanitaria Controllo delle malattie e miglioramento della loro resilienza agli stress tramite l’utilizzo di agenti biologici: • microrganismi antagonisti, • comunità microbiche naturali (endofiti ed epifiti), • microrganismi di supporto: PGPR e micorrize;
( testi)
Sul portale MOODLE sono rese via via disponibili le Presentazioni in PowerPoint delle lezioni, con illustrazioni grafiche, fotografie, video ed animazioni. Vengono inoltre proposti approfondimenti ed esempi relativi ad alcune lezioni, selezione di bibliografia scientifica sull'argomento, ed è allestito un forum per lo scambio di opinioni ed informazioni con il docente.
|
3
|
AGR/12
|
24
|
-
|
-
|
-
|
Attività formative caratterizzanti
|
|
ITA |
119414 -
Tecniche digitali in agricoltura
|
|
-
Applicazioni digitali in arboricoltura
(obiettivi)
Al termine del corso lo studente acquisisce conoscenze sulle tecniche colturali precise e sostenibili per la gestione del frutteto in funzione della tipologia colturale, del sesto di impianto e della forma di allevamento scelta. Acquisisce conoscenza sull’impiego e installazione di strumenti tecnologici SMART, compresa l'intelligenza artificiale, per la gestione delle tecniche colturali del frutteto. Acquisisce conoscenze sui modelli prescrizione per la gestione della nutrizione, dell'irrigazione, della gestione della chioma, del carico di frutta e della qualità del prodotto. Lo studente possiede competenze per organizzare strategie colturali per specie frutticole basate su sensori, modelli e applicazioni di intelligenza artificiale, e acquisisce conoscenza per correggere anomalie nelle performance produttive del frutteto legate all'interazione pianta-clima-suolo.
-
Cristofori Valerio
( programma)
Parte 1. Idoneità del frutteto ad applicazioni di Agricoltura di Precisione e monitoraggio ecofisiologico della pianta aeborea Il corso tratta le relazioni idriche degli alberi da frutto e interazione con il suolo e l'ambiente. Relazioni degli alberi da frutto con la luce: effetti delle pratiche di coltivazione sulle interazioni pianta-luce. Scambi gassosi degli alberi da frutto: parametri di fotosintesi/traspirazione; effetti dell'ambiente e del suolo sulla fotosintesi e la produttività degli alberi. Architettura degli alberi da frutto e design del frutteto per applicazioni di Agricoltura di Precisione. Sviluppo dei frutti e maturazione: effetti della tecnica colturale e dell'ambiente sulla crescita e maturazione del frutto. modelli di crescita dei frutti e metodi di misurazione con impiego di sensoristica da campo.
Parte 2. Modelli previsionali e sensoristica per monitorare lo stato del frutteto Il corso tratta la tipologia e l’impiego di strumentazione e sensoristica tradizionale e innovativa per misurare le variabili colturali, ambientali e del suolo. Approcci analitici di monitoraggio e gestione del frutteto e modelli di intelligenza artificiale. Elaborazione dati e integrazione delle informazioni derivate nei sistemi informativi di gestione aziendale e di supporto alle decisioni (DSS). Definizione di mappe di prescrizione ed impiego di UAV (unmanned aerial vehicle) e UGV (unmanned ground vehicle) predittivi e attuativi nel sistema arboreo.
Parte 3: Casi studio Esperimenti sul campo e casi di studio con l'obiettivo di acquisire esperienze dirette sulle attuali tecnologie di gestione del frutteto di precisione disponibili sul mercato.
( testi)
- Casa Raffaele (editore) 2016. Agricoltura di precisione: metodi e tecnologie per migliorare l’efficienza e la sostenibilità dei sistemi colturali. Edagricole New Business Media
- Gentile Alessandra, Inglese Paolo, Tagliavini Massimo (editori) 2022. Arboricoltura Speciale. Edagricole New Business Media
Appunti delle lezioni, dispense e articoli forniti dal docente attraverso i servizi internet gestiti da UNITUS
|
6
|
AGR/03
|
48
|
-
|
-
|
-
|
Attività formative caratterizzanti
|
|
ITA |