Phenology/Doc/Documents/Analisi_di_fattibilità.md

Analisi di fattibilità del progetto

1. Fattibilità tecnica
   1. Risorse disponibili:
      • Immagini della telecamera a 360°, alcune stazioni sono già installate (come quella della nocciola) e presto saranno installate quelle del pomodoro e dei carciofi. Con quale frequenza vengono raccolte le immagini? Con zoom o senza zoom? piu di una volta al giorno, possiamo prendere i due casi, in questo momento 3 volte al giorno.
      • Dati ambientali, saranno molto utili i gradi accumulati nelle piantagioni.
      • Infrastruttura informatica, per ora penso che userò Google Colab per poter utilizzare la sua GPU.
      • Linguaggio di programmazione Python, con l'uso di librerie come OpenCV, scikit-learn, PyTorch/TensorFlow.
   2. Sfide:
      • Trovare la posizione ottimale delle immagini per poter identificare i dettagli più piccoli come i germogli o le gemme.
      • Etichettatura delle immagini: avrò bisogno dell'aiuto di Marta o Federica per poter sviluppare insieme l'etichettatura delle immagini che sono state trovate e di quelle che sono già state scattate dalla fotocamera installata nella stazione.
      • Squilibrio delle classi: alcune fasi sono più brevi di altre, quindi devo trovare una strategia affinché il modello non abbia la tendenza a prevedere sempre queste fasi.
2. Fattibilità scientifica
   1. Le fasi fenologiche hanno rappresentazioni visive chiare (cambiamenti di colore, forma e struttura), inoltre esiste una classificazione standardizzata come quella BBCH, e vi sono prove scientifiche che la fenologia può essere determinata con la visione artificiale in altre colture come mele, grano, ecc...
   2. Metodologia da utilizzare: effettuare addestramenti attraverso diversi modelli, con un approccio di apprendimento supervisionato, estrarre le caratteristiche visive e utilizzare a discrezione anche i dati ambientali più discriminanti.
   3. Pre-processing

Conclusione generale

Lo sviluppo del modello ML per determinare la fase fenologica delle colture a partire dalle immagini riprese con una fotocamera a 360° e dai dati ambientali è fattibile, tuttavia dovremmo adottare una strategia che nei primi mesi dia priorità a una coltura specifica (ad esempio il pomodoro) per lo sviluppo iniziale. oltre all'aiuto nella collaborativa etichettatura delle immagini, sfrutterò anche alcuni modelli già pre-addestrati e tecniche di classificazione leggere. Sarà inoltre fondamentale determinare se i dati climatici migliorano le prestazioni senza complicare eccessivamente il modello e con ciò si determinerà se devono essere utilizzati o meno.