BANDO PRIN 2022D. D. N. 104 DEL 2 FEBBRAIO 2022

TITOLO DEL PROGETTO “VIRIDIIS – VertIcal gaRdens wIth DIgital twIn of plantS”

CODICE CUP D53D23001420006

Budget: € 90.646

Altre Unità di Ricerca:

- Università della Basilicata, Responsabile: Prof.ssa Paola D’Antonio

- CNR-ITC, Responsabile: Dott.ssa Paola Lassandro

P.I. Prof. Gregorio ANDRIA – Poliba

Breve descrizione del progetto:

VIRIDIIS è un progetto di ricerca che integra tecnologie IoT, sensori avanzati e intelligenza artificiale per migliorare la qualità ecologica del verde urbano. Basato sul concetto di digital twin delle piante, il sistema raccoglie e analizza dati eterogenei provenienti da suolo, atmosfera e vegetazione, consentendo un monitoraggio continuo e una valutazione proattiva delle condizioni ambientali. Questa infrastruttura tecnologica permette di individuare tempestivamente situazioni critiche e di supportare decisioni informate nella gestione degli spazi verdi.

Oltre al monitoraggio, il progetto introduce un agente conversazionale che rende accessibili agli utenti informazioni sullo stato di salute delle piante, facilitando la comprensione dei loro bisogni e suggerendo eventuali interventi correttivi. In questo modo, la tecnologia diventa un mezzo per avvicinare cittadini e ambiente, promuovendo una maggiore consapevolezza ecologica.

L’approccio è fortemente multidisciplinare e combina competenze in sensoristica, infrastrutture IoT, analisi dei dati, intelligenza artificiale, interazione uomo-macchina e botanica. La capacità di modellare le interazioni tra suolo, piante e atmosfera contribuisce non solo alla tutela del verde urbano, ma anche al benessere complessivo dell’ecosistema cittadino. Inoltre, l’approccio proattivo adottato da VIRIDIIS rafforza la resilienza urbana, migliorando la capacità delle infrastrutture verdi di mitigare gli effetti del cambiamento climatico.

Nel complesso, il progetto dimostra come la tecnologia possa assumere un ruolo strategico nella costruzione di città più sostenibili, intelligenti e capaci di affrontare le sfide ambientali contemporanee.

Finalità generali:

• Migliorare la qualità ecologica del verde urbano attraverso l’uso integrato di tecnologie avanzate.
• Monitorare in modo continuo e proattivo le condizioni ambientali e fisiologiche delle piante.
• Supportare una gestione più informata e sostenibile degli spazi verdi cittadini.

Finalità specifiche:

• Creare un digital twin delle piante, capace di raccogliere, archiviare e analizzare dati multimodali (suolo, atmosfera, vegetazione).
• Individuare tempestivamente criticità, anomalie e deviazioni dai parametri ottimali di crescita.
• Rendere accessibili le informazioni sullo stato delle piante tramite un agente conversazionale in linguaggio naturale.
• Facilitare la comprensione dei bisogni delle piante e suggerire eventuali interventi correttivi.
• Integrare competenze multidisciplinari (sensoristica, IoT, AI, HMI, botanica) per modellare le interazioni tra suolo, piante e atmosfera.

Risultati attesi:

Il progetto aveva come obiettivo principale la creazione di un framework integrato per il monitoraggio continuo delle condizioni delle piante, capace di trasformare dati grezzi provenienti da sensori in informazioni utili sul loro stato di salute. Un secondo obiettivo era sviluppare un digital twin per ogni pianta monitorata, così da ottenere una rappresentazione dinamica e aggiornata delle condizioni fisiologiche e ambientali. Infine, il progetto mirava a rendere queste informazioni facilmente accessibili attraverso un’interfaccia conversazionale in linguaggio naturale.

Risultati raggiunti:

Tutti gli obiettivi sono stati raggiunti: è stato realizzato un sistema che combina sensori e tecniche di machine learning per produrre indicatori affidabili di salute delle piante; è stato implementato un digital twin capace di analizzare trend, anomalie e deviazioni dai parametri ottimali; ed è stata sviluppata un’interfaccia conversazionale in grado di interpretare correttamente le richieste degli utenti, identificare intenti ed estrarre entità rilevanti. Nel complesso, il progetto ha reso possibile un’interazione intuitiva con dati complessi, migliorando l’accessibilità e la comprensione delle informazioni sul verde monitorato.