PISA – Nel Parco di San Rossore la gestione della fauna selvatica entra in una nuova fase digitale grazie a WatchEDGE, progetto innovativo di cui l’Università di Pisa è partner. Finanziato dal programma RESTART del PNRR e coordinato dal Politecnico di Milano, WatchEDGE coinvolge anche le Università di Milano e Catania, il consorzio CNIT e le aziende Italtel, Sensor-ID e Nextworks.
Dal 2024, San Rossore ospita una rete sperimentale di sensori intelligenti alimentati da pannelli fotovoltaici e dotati di acceleratori hardware. Questi dispositivi formano un sistema distribuito di elaborazione – un vero e proprio cloud continuum – capace di rilevare, classificare e monitorare in tempo reale gli animali ripresi dalle telecamere, grazie all’impiego dell’intelligenza artificiale.
Il sistema permette di tenere sotto controllo la popolazione di cinghiali, daini e lupi, stimando numero e movimenti per garantire l’equilibrio ecologico, prevenire la diffusione di malattie e ridurre i rischi di interazione con l’uomo o di danni ambientali dovuti a un eccesso di fauna.
“In passato, gli operatori dovevano recuperare manualmente le immagini delle videotrappole per analizzarle – spiega Stefano Giordano, docente di Telecomunicazioni all’Università di Pisa –. Oggi le immagini vengono elaborate direttamente sul campo e solo i dati rilevanti vengono inviati ai database centrali.”
Oltre alla rete di San Rossore, i partner del progetto stanno testando radar per analizzare velocità e direzione dei movimenti, droni con telecamere multispettrali e termiche per lo studio della vegetazione, e algoritmi di intelligenza artificiale per la classificazione automatica della fauna. Tutto è reso possibile da un’infrastruttura 5G e satellitare, che assicura connettività anche nelle zone più isolate.
“Lo sviluppo dell’intelligenza artificiale per il monitoraggio ambientale – conclude Giordano – richiede una stretta integrazione con la rete. Il nostro lavoro si concentra sull’unione tra rete satellitare, Edge Computing e connettività a basso consumo, per rendere le funzioni di analisi sempre più dinamiche. L’obiettivo è arrivare a un’intelligenza artificiale liquida, capace di adattarsi in tempo reale alle condizioni del campo.”
Last modified: Novembre 6, 2025
