Questa attività, condotta in collaborazione con l’Università degli Studi di Padova, ha riguardato la definizione metodologica e la validazione sperimentale di un sistema per analizzare e migliorare l’efficienza delle macchine agricole utilizzando esclusivamente dati GNSS (Global Navigation Satellite System).

In particolare, l’attività ha riguardato:

• la progettazione e l’implementazione di un modello di classificazione delle attività operative dei trattori (lavoro, svolta, trasporto, sosta), utilizzando algoritmi di machine learning (Random Forest) e tecniche di analisi spaziale;
• la validazione del metodo su dati raccolti presso l’azienda agraria sperimentale dell’Università di Padova, con particolare attenzione alla robustezza del sistema in condizioni reali di campo;
• l’integrazione di strumenti di analisi automatica dei confini di campo (DBSCAN e α-shape) e di post-elaborazione spaziale e temporale dei dati, per migliorare coerenza e accuratezza delle classificazioni;
• la valutazione di indicatori di efficienza operativa (Field e Time Efficiency), con l’obiettivo di fornire metriche facilmente applicabili anche in contesti agricoli con risorse limitate.

L’approccio sviluppato consente di stimare l’efficienza dei lavori agricoli con dati minimi, accessibili tramite semplici ricevitori GNSS o dispositivi mobili, senza la necessità di sensori proprietari o connessioni a piattaforme telemetriche.