Innovative Machines for Weed control in Conservation Agriculture

Ad oggi, sono state sviluppate molte tecnologie per ottenere un effetto di controllo delle infestanti accettabile insieme a un basso consumo energetico. La grande sfida, infatti, è introdurre nell'ambiente naturale la quantità minima di energia necessaria per il controllo delle erbe infestanti e trasformarla in agricoltura di produzione. Questo progetto di dottorato mira a studiare l'effetto di controllo delle infestanti delle falciatrici autonome in due diversi contesti: agricoltura conservativa e tappeti erbosi. Nello specifico, per il concorso dell'agricoltura conservativa, sono state testati tagliaerba autonomi in vigneto e un sistema orticolo a gestione biologica nel centro Italia. Entrambi i campi sperimentali consistevano in una consociazione tra la coltura da reddito e una cover crop. Le prestazioni dei tagliaerba autonomi in termini di effetto diserbante, efficienza del lavoro e consumo energetico sono state valutate e confrontate con altre pratiche gestionali. Nel tappeto erboso, invece, i taglierba autonomi sono stati studiati e confrontati diversi modalità taglio per determinare la soluzione operativa più sostenibile in termini di efficienza del lavoro, consumo energetico e qualità del tappeto erboso. Infine, è stato sviluppato e testato un algoritmo di rilevamento degli oggetti per la sua capacità di rilevare le specie infestanti in uno scenario con uno sfondo complesso come i tappeti erbosi. To date, many technologies have been developed to achieve an acceptable weed control effect together with a low energy consumption. Indeed, the big challenge is to introduce the minimum amount of energy needed for weed control in the natural environment and turn it into production agriculture. This PhD project aim to investigate the weed control effect of autonomous mowers in two different contexts: conservation agriculture and turfgrasses. Specifically, for the conservation agriculture contest, autonomous mowers were tested in a vineyard and an organically managed vegetable cropping system in central Italy. Both experimental fields consisted of an intercropping between the cash crop and an agro-ecological service crop as a living mulch. Autonomous mowers performances in terms of weed control, work efficacy and energy consumption were assessed and compared with other management practices. In turfgrass, instead, autonomous mowers different mowing patterns were studied and compared to determine the most sustainable operative solution in terms of work efficacy, energy consumption and turf quality. Finally, and object detection algorithm was developed and tested for its capacity to detect weeds in scenario with complex background such as turfgrasses.