Come capire se un frutto del drago è maturo usando la visione artificiale

Il frutto del drago (chiamato anche pitaya, pitahaya o pera fragola) è noto per la buccia rosa acceso, le scaglie con punte verdi e la polpa punteggiata. Originario dell'America centrale e meridionale, questo frutto esotico si è diffuso ben oltre le sue terre d'origine.

Oggi viene coltivato tutto l'anno nelle regioni tropicali ed è comune trovarlo nei mercati di ogni parte del mondo. Noto per i suoi benefici per la salute, il frutto del drago è una buona fonte di vitamina C, magnesio e antiossidanti che possono favorire il benessere generale.

Con l'aumento della popolarità del frutto del drago e del numero di persone che lo consumano, è diventato più importante capire quando è pronto per la raccolta. Sia gli agricoltori sia i consumatori si chiedono spesso: come si fa a capire se il frutto del drago è maturo?

Tradizionalmente, le persone valutano la maturazione del frutto del drago in base al colore della buccia, alla consistenza o all'essiccazione delle scaglie. Tuttavia, questi indicatori non sono costanti e variano a seconda delle diverse varietà di frutto del drago.

Fig. 1. Alcune varietà di frutto del drago rosso dalle forme diverse. (Fonte)

Per i coltivatori, questa incostanza può tradursi in una perdita del valore del raccolto. Per i consumatori, spesso significa ritrovarsi con un frutto dall'aspetto invitante ma poco saporito. Per risolvere questo problema, agricoltori e ricercatori si stanno affidando alla tecnologia.

Grazie all'intelligenza artificiale (AI) e alla visione artificiale, che consentono alle macchine di interpretare e analizzare i dati visivi, il rilevamento della maturazione sta diventando più coerente e accurato. Ad esempio, i modelli di visione artificiale come Ultralytics YOLO11 supportano attività come il rilevamento degli oggetti e la segmentazione di istanze, che possono essere usate per identificare, separare e analizzare i frutti in base alla maturazione. Questo aiuta gli agricoltori a selezionare e classificare i raccolti in modo più efficiente, ridurre gli errori e mantenere standard uniformi.

In questo articolo vedremo più da vicino perché è difficile capire quando un frutto del drago è maturo, perché i metodi tradizionali spesso non sono sufficienti e come la visione artificiale renda più affidabile il rilevamento della maturazione.

Perché è difficile determinare la maturazione del frutto del drago#

Prima di esaminare i metodi tradizionali per verificare la maturazione, vediamo perché può essere così difficile stabilire quando un frutto del drago è maturo.

A prima vista, il frutto del drago sembra semplice da gustare: basta tagliarlo, prelevarne la polpa e mangiarlo. Ma chiunque abbia provato a sceglierne uno sa che la vera difficoltà è capire quando è maturo. A differenza di banane, angurie o mango, che mostrano segnali evidenti durante la maturazione, il frutto del drago spesso lascia spazio ai dubbi.

Parte della confusione deriva dal fatto che il frutto del drago non è di un solo tipo. Esistono tre principali varietà di colore e ognuna matura in modo leggermente diverso. Oltre al colore, i frutti del drago si distinguono anche per forma, dimensioni e caratteristiche della buccia. Alcuni hanno scaglie più lunghe, mentre altri sono più arrotondati.

Ecco una panoramica più dettagliata dei diversi tipi di frutto del drago:

• Frutto del drago bianco: è la varietà più comune, con polpa bianca punteggiata da minuscoli semi neri.
• Frutto del drago rosso o rosa: ha polpa magenta o rosa e una buccia rosso vivo, che lo rende particolarmente appariscente.
• Frutto del drago giallo: questa varietà è meno comune, ha la buccia dorata o gialla ed è nota per essere la più dolce.

Fig. 2. Varietà di frutto del drago di diversi colori. (Fonte)

Metodi tradizionali per capire se il frutto del drago è maturo#

Prima che gli agricoltori adottassero tecnologie come l’AI, la maturazione veniva valutata tramite semplici indizi visivi e tattili. Queste pratiche sono ancora ampiamente utilizzate oggi nelle aziende agricole e nei mercati.

Ecco alcuni indicatori comuni della maturazione del frutto del drago:

• Colore della buccia: la maggior parte delle persone controlla prima la buccia del frutto del drago. Una buccia rosa acceso o rossa di solito indica che il frutto è maturo, mentre le zone verdi indicano che deve maturare ancora. Il frutto del drago giallo dovrebbe avere una buccia dorata e poche imperfezioni. Tuttavia, questa regola non vale sempre. Alcuni frutti sembrano maturi all’esterno ma non lo sono all’interno, mentre altri sviluppano macchie quando diventano troppo maturi.
• Consistenza: anche il tatto è un metodo di valutazione. Un frutto del drago maturo dovrebbe cedere leggermente quando viene premuto, come un avocado maturo. Se è molto sodo, probabilmente è acerbo. Se invece è troppo morbido o molle, potrebbe essere già troppo maturo. Anche la consistenza, però, non è sempre un indicatore affidabile, perché la manipolazione e il modo in cui conservi il frutto del drago possono modificarne la compattezza.
• Altri segnali: a volte gli agricoltori che coltivano il frutto del drago si affidano a dettagli meno evidenti. Le brattee, o ali fogliari del frutto, possono iniziare a seccarsi e arricciarsi quando il frutto matura; anche un lieve aroma dolce vicino al peduncolo può essere un indizio. Questi segnali possono aiutare, ma sono sottili e facili da non notare.

Come l'IA visiva sta cambiando il rilevamento della maturazione del frutto del drago#

I segnali tradizionali, come il colore della buccia o la consistenza, possono essere utili, ma spesso non sono coerenti. La visione artificiale rende più affidabile il rilevamento della maturazione del frutto del drago, imparando da migliaia di immagini etichettate e riconoscendo schemi che le persone potrebbero non notare.

Ad esempio, il supporto di Ultralytics YOLO11 per attività come il rilevamento degli oggetti, la segmentazione di istanze e la classificazione delle immagini può essere usato per analizzare i frutti in dettaglio, dopo aver addestrato il modello su misura con dataset pertinenti.

In particolare, il rilevamento degli oggetti può individuare i singoli frutti in un’immagine. Analogamente, la segmentazione delle istanze può separare ogni frutto dallo sfondo anche quando i frutti si sovrappongono, mentre la classificazione delle immagini può assegnare etichette in base a caratteristiche come forma, consistenza o colore.

Fig. 3. Immagini di frutti del drago acerbi e maturi per la creazione di un dataset. (Fonte)

Addestrare Ultralytics YOLO11 a individuare i frutti del drago maturi#

Ultralytics YOLO11 viene fornito già preaddestrato su dataset noti, a seconda dell'attività. Per il rilevamento degli oggetti e la segmentazione, è preaddestrato sul dataset COCO, che include oggetti di uso quotidiano come persone, animali e automobili.

Per la classificazione delle immagini, è preaddestrato sul dataset ImageNet, che include un'ampia gamma di categorie comuni. Questo preaddestramento offre a Ultralytics YOLO11 un solido punto di partenza, ma per attività specializzate come il rilevamento della maturazione del frutto del drago è comunque necessario perfezionare il modello o addestrarlo su misura con un dataset specifico.

Ecco una panoramica di come addestrare Ultralytics YOLO11 su misura per rilevare la maturazione del frutto del drago:

• Raccolta dei dati: si acquisiscono migliaia di immagini di frutti del drago con diverse condizioni di illuminazione, angolazioni e fasi di crescita. Ogni immagine viene annotata in base all'attività. Per la classificazione delle immagini, le etichette potrebbero indicare frutto acerbo, maturo o troppo maturo. Per il rilevamento degli oggetti o la segmentazione di istanze, si tracciano riquadri di delimitazione o maschere attorno ai frutti per indicarne posizione e contorno. Questi esempi etichettati forniscono a Ultralytics YOLO11 le informazioni necessarie per apprendere.
• Addestramento del modello: l'addestramento di YOLO11 non parte da zero. Grazie all'apprendimento per trasferimento, il modello sfrutta le caratteristiche visive apprese dai dataset su cui è stato preaddestrato, come COCO per il rilevamento e la segmentazione o ImageNet per la classificazione, e le adatta alle caratteristiche del frutto del drago. Addestrando YOLO11 su misura con immagini annotate, il modello può apprendere segnali di maturazione come le variazioni del colore della buccia, i cambiamenti di consistenza e le differenze nella forma del frutto.
• Convalida e test: dopo l'addestramento, Ultralytics YOLO11 può essere valutato su un gruppo separato di immagini del frutto del drago mai viste prima dal modello, chiamato set di convalida o di test. Le sue previsioni vengono confrontate con le etichette di riferimento per misurare l'accuratezza e individuare gli errori, ad esempio classificare erroneamente come maturo un frutto acerbo. Questa valutazione aiuta a prevenire l'overfitting e garantisce che il modello impari segnali di maturazione pertinenti anziché memorizzare i dati di addestramento.

Applicazioni pratiche della visione artificiale nel rilevamento della maturazione#

Ora vediamo come si applica la visione artificiale alle attività reali di coltivazione e lavorazione, in particolare alla raccolta del frutto del drago.

Droni per il monitoraggio e la valutazione della maturazione#

Per decenni, gli agricoltori hanno dovuto camminare sotto il sole lungo filari e filari, controllando i frutti a mano. Questo processo era lento, richiedeva molta manodopera e spesso non permetteva di notare i sottili segnali di maturazione nascosti sotto le foglie o sparsi su campi estesi.

Oggi si stanno diffondendo nuovi approcci che usano droni e visione artificiale per monitorare la maturazione dei frutti. Questi sistemi possono acquisire immagini ad alta risoluzione che rivelano sottili cambiamenti di colore e consistenza, fornendo indicazioni difficili da cogliere a occhio nudo.

Invece di affidarsi solo ai controlli manuali, i modelli di visione artificiale possono aiutare a valutare la maturazione a partire dalle immagini acquisite. Individuando prima i frutti maturi e su superfici più ampie, gli agricoltori possono pianificare meglio la raccolta e portare i frutti sul mercato al momento ottimale.

Robot per la raccolta automatizzata dei frutti#

La raccolta dei frutti dipende tutta dal momento giusto. Un giorno di anticipo o di ritardo può ridurre il valore del raccolto: per questo la robotica sta entrando a far parte dell'agricoltura. Ad esempio, i ricercatori hanno sviluppato robot per la raccolta del frutto del drago che usano la visione artificiale e il rilevamento degli oggetti per localizzare i frutti in ambienti complessi.

Una volta identificato il frutto tropicale, il robot può guidare una pinza o un artiglio meccanico per raccoglierlo riducendo al minimo i danni. Alcuni sistemi integrano anche funzioni di selezione per distinguere, tramite la visione artificiale, i frutti maturi da quelli acerbi o danneggiati. Lavorando contemporaneamente con più bracci robotici, queste macchine potrebbero raccogliere i frutti più rapidamente e con maggiore costanza rispetto agli esseri umani, riducendo al contempo il rischio di danneggiare il raccolto.

Fig. 4. Esempio di robot dotato di visione artificiale che raccoglie frutti del drago maturi. (Fonte)

Pro e contro dell'uso dell'IA visiva per il rilevamento del frutto del drago#

Ecco alcuni dei principali vantaggi dell'uso della visione artificiale per rilevare la maturazione del frutto del drago:

• Riduce gli sprechi: un rilevamento accurato della maturazione riduce la raccolta prematura e previene i danni durante la conservazione e il trasporto.
• Garantisce una qualità costante: gli agricoltori possono fornire frutti al giusto grado di maturazione, rafforzando la fiducia dei consumatori e aumentando il valore di mercato.
• Supporta la selezione su larga scala: i sistemi di visione possono elaborare rapidamente e con precisione raccolti in grandi quantità, riducendo la necessità di numerose squadre di lavoratori.

D'altra parte, ecco alcuni limiti da considerare quando si usa l'IA visiva per rilevare il frutto del drago:

• Dipendenza dai dati: i modelli di visione offrono prestazioni ottimali quando vengono addestrati su dataset ampi e diversificati di frutti del drago, acquisiti con diverse condizioni di illuminazione, angolazioni e fasi di crescita.
• Attività di annotazione: la preparazione di questi dataset richiede etichettature accurate, spesso con il contributo di esperti, e può richiedere molto tempo e lavoro.
• Costi elevati: lo sviluppo, l'addestramento e la distribuzione di sistemi di IA possono comportare spese considerevoli per hardware, software e competenze tecniche, rappresentando un ostacolo per le aziende agricole più piccole.

Punti chiave#

La visione artificiale può trasformare il modo in cui il frutto del drago viene raccolto e selezionato, e lo stesso vale per l'agricoltura in generale. Dai campi alle linee di confezionamento, gli strumenti basati sulla visione possono semplificare la raccolta, la selezione e il confezionamento, aiutando gli agricoltori a fornire frutti più uniformi. Con il progredire della tecnologia, è probabile che l'IA visiva assuma un ruolo ancora più importante in agricoltura.

Vuoi esplorare l’AI? Unisciti alla nostra community e visita il nostro repository GitHub per saperne di più sull’AI e sulla visione artificiale. Visita le pagine delle nostre soluzioni per scoprire altre applicazioni della visione artificiale in agricoltura e dell’AI nella robotica. Consulta le nostre licenze e inizia oggi stesso a usare la visione artificiale!