Intelligenza artificiale e ortofoto per il censimento e la gestione delle aree pascolabili in ambiente alpino

Authors

  • Francesca Bovolo

Keywords:

Intelligenza Artificiale, Sistemi Informativi, Ortofoto, Pascoli, Gestione Montana

Abstract

Mountain areas include precious environments
like pastures that require preservation
strategies by the appointed authorities. Here
we present a system that processes orthophotos
acquired by Agenzia per le Erogazioni in
Agricoltura using Artificial Intelligence to reduce
the time and costs of human inspection
in pasture management activities. The system
is trained to automatically classify multiple
kinds of pasture and no-pasture areas. A user
interface allows to query and refine the pasture
maps. The map can be updated as new
orthophotos come in. The system achieves
good performance in the Provincia Autonoma
di Trento (PAT), but it is suitable for similar
mountain areas as well.

References

He, K., Zhang, X., Ren, S. and Sun, J., 2016.

Deep residual learning for image recognition.

In Proceedings of the IEEE conference on

computer vision and pattern recognition, pp.

-778.

Le Cun, Y. and Bengio, Y., 1995. Convolutional

networks for images, speech, and time

series. The handbook of brain theory and

neural networks, 3361(10), p.1995.

Ruder, S., 2016. An overview of gradient descent

optimization algorithms. arXiv preprint

arXiv:1609.04747.

Kingma, D.P. and Ba, J., 2014. Adam: A

method for stochastic optimization. arXiv

preprint arXiv:1412.6980.

QGIS.org, 2021. QGIS Geographic Information

System. QGIS Association. http://www.

qgis.org

Downloads

Published

2021-06-22

How to Cite

Bovolo, F. (2021). Intelligenza artificiale e ortofoto per il censimento e la gestione delle aree pascolabili in ambiente alpino. GEOmedia, 25(2). Retrieved from https://mediageo.it/ojs/index.php/GEOmedia/article/view/1788

Issue

Vol. 25 No. 2 (2021): GEOmedia 2-2021

Section

FOCUS

License

Gli autori che pubblicano su questa rivista accettano le seguenti condizioni:

  1. Gli autori mantengono i diritti sulla loro opera e cedono alla rivista il diritto di prima pubblicazione dell'opera, contemporaneamente licenziata sotto una Licenza Creative Commons - Attribuzione che permette ad altri di condividere l'opera indicando la paternità  intellettuale e la prima pubblicazione su questa rivista.
     
  2. Gli autori possono aderire ad altri accordi di licenza non esclusiva per la distribuzione della versione dell'opera pubblicata (es. depositarla in un archivio istituzionale o pubblicarla in una monografia), a patto di indicare che la prima pubblicazione è avvenuta su questa rivista.
     
  3. Gli autori possono diffondere la loro opera online (es. in repository istituzionali o nel loro sito web) prima e durante il processo di submission, poiché può portare a scambi produttivi e aumentare le citazioni dell'opera pubblicata (Vedi The Effect of Open Access).