Comprendere come crescono i frutti nel corso della stagione è fondamentale per gestire con suc- cesso un frutteto. Misurare le dimensioni dei frutti durante lo sviluppo consente infatti di monitorare il tasso di crescita assoluta (AGR), parametro chiave per prevedere il rendimento e valutare lo stato di stress delle piante. Tuttavia, le tradizionali misurazioni AGR con calibri possono risultare laborio- se, mentre le soluzioni basate su sensori sono spesso costose e poco rappresentative per l’intero frutteto. In questo articolo viene descritto un nuovo sistema di visione artificiale chiamato Computer Vision System (CVS), che utilizza una telecamera di profondità (RGB-D) accoppiata ad algoritmi di intelligenza artificiale. Questo sistema stima direttamente sul campo l’AGR dei frutti. Le immagini dei frutti sono state acquisite a distanze di 1,0 m e 1,5 m dalla fila di alberi, catturando diversi momenti durante la stagione di crescita. Il CVS ha quindi calcolato l’AGR per ogni frutto rilevato nelle imma- gini. I risultati preliminari indicano che il CVS rileva con accuratezza i frutti ed ha una precisione nel dimensionamento dei frutti accettabile. Anche se attualmente i risultati non sono completamente allineati alle aspettative per l’applicazione pratica, sono in corso miglioramenti nell’algoritmo del sistema per ottimizzare le prestazioni sul campo. È importante notare che questi risultati derivano dall’analisi di solo il 30% dei dati complessivi, suggerendo che risultati ancora più accurati potrebbero emergere durante le successive fasi di analisi.

Manfrini, L. (2024). Il futuro del monitoraggio della crescita dei frutti è la computer vision. RIVISTA DI FRUTTICOLTURA E DI ORTOFLORICOLTURA, 1, 24-28.

Il futuro del monitoraggio della crescita dei frutti è la computer vision

Manfrini L.
Primo
;
Gullino M.
Secondo
;
Piani M.
;
Franceschini C.;Mengoli D.;Omodei N.;Rossi S.;Corelli Grappadelli L.
Penultimo
;
Bortolotti G.
Ultimo
2024

Abstract

Comprendere come crescono i frutti nel corso della stagione è fondamentale per gestire con suc- cesso un frutteto. Misurare le dimensioni dei frutti durante lo sviluppo consente infatti di monitorare il tasso di crescita assoluta (AGR), parametro chiave per prevedere il rendimento e valutare lo stato di stress delle piante. Tuttavia, le tradizionali misurazioni AGR con calibri possono risultare laborio- se, mentre le soluzioni basate su sensori sono spesso costose e poco rappresentative per l’intero frutteto. In questo articolo viene descritto un nuovo sistema di visione artificiale chiamato Computer Vision System (CVS), che utilizza una telecamera di profondità (RGB-D) accoppiata ad algoritmi di intelligenza artificiale. Questo sistema stima direttamente sul campo l’AGR dei frutti. Le immagini dei frutti sono state acquisite a distanze di 1,0 m e 1,5 m dalla fila di alberi, catturando diversi momenti durante la stagione di crescita. Il CVS ha quindi calcolato l’AGR per ogni frutto rilevato nelle imma- gini. I risultati preliminari indicano che il CVS rileva con accuratezza i frutti ed ha una precisione nel dimensionamento dei frutti accettabile. Anche se attualmente i risultati non sono completamente allineati alle aspettative per l’applicazione pratica, sono in corso miglioramenti nell’algoritmo del sistema per ottimizzare le prestazioni sul campo. È importante notare che questi risultati derivano dall’analisi di solo il 30% dei dati complessivi, suggerendo che risultati ancora più accurati potrebbero emergere durante le successive fasi di analisi.
2024
Manfrini, L. (2024). Il futuro del monitoraggio della crescita dei frutti è la computer vision. RIVISTA DI FRUTTICOLTURA E DI ORTOFLORICOLTURA, 1, 24-28.
Manfrini, L., Gullino, M., Piani, M., Franceschini, C., Mengoli, D., Omodei, N., Rossi, S., Corelli Grappadelli L., Bortolotti, G.
File in questo prodotto:
Eventuali allegati, non sono esposti

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11585/959840
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact