SENSiPro: System for Enhanced Monitoring and Control in Aquaponic Environments
Linea di finanziamento:
AVVISO PUBBLICO PER LA SELEZIONE DI PROPOSTE PROGETTUALI, FINALIZZATE ALLA CONCESSIONE DI FINANZIAMENTI PER ATTIVITA’ COERENTI CON IL PROGRAMMA A VALERE SULLE RISORSE DEL PIANO NAZIONALE RIPRESA E RESILIENZA (PNRR) MISSIONE 4, “ISTRUZIONE E RICERCA” – COMPONENTE 2, “DALLA RICERCA ALL’IMPRESA” – LINEA DI INVESTIMENTO 1.4, FINANZIATO DALL’UNIONE EUROPEA – NEXTGENERATIONEU”, PROGETTO “AGRITECH – National Research Centre for Agricultural Technologies”, Codice Progetto CN00000022, CUP H93C2200044007
Descrizione del progetto
Sviluppo di sistemi di remote-sensing che consentano il monitoraggio dei parametri di processo al fine di eseguire una diagnostica dell’impianto e il controllo della produzione in sistemi di acquaponica
L’applicazione di principi di ingegneria del controllo alla produzione negli impianti di acquaponica ha lo scopo di indirizzare i produttori verso un migliore monitoraggio, controllo e documentazione dei processi biologici negli allevamenti e nelle coltivazioni.
L’intervento previsto dal progetto “SENSiPro: System for Enhanced Monitoring and Control in Aquaponic Environments” ha come obiettivo l’upgrade del sistema pionieristico di monitoraggio dei parametri ambientali (temperatura, umidità e intensità luminosa) e di qualità delle acque (temperatura, pH, torbidità, conducibilità elettrica, ossigeno disciolto, ammoniaca, nitriti e nitrati) sviluppato da Xenia Network Solutions in collaborazione con Università del Salento nell’ambito di un precedente progetto di ricerca e installato nell’impianto di acquaponica Urban Farming (Università del Salento). Tale intervento prevede il potenziamento del sistema di remote sensing, attraverso la progettazione e l’implementazione di un sistema di video monitoring nell’ambiente di produzione, per acquisire immagini sulle specie ittiche e vegetali, al fine di elaborarle ed agire sui sistemi di attuazione per mantenere in ambiti ottimali le condizioni di allevamento e di coltura.
Inoltre, attraverso l’istruzione dell’intelligenza artificiale, sarà possibile ispezionare le immagini acquisite mediante tecnologie di Computer Vision, per rilevare una serie di fattori indicatori dello stato di salute dell’allevato, della loro crescita e della loro alimentazione, nonché del benessere e della crescita delle piante.

