Come capire se un frutto del drago è maturo usando la computer vision

Il frutto del drago (chiamato anche pitaya, pitahaya o pera fragola) è noto per la buccia rosa brillante, le scaglie con la punta verde 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 quindi comune nei mercati di tutto il 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 cresciuta anche la difficoltà di capire quando è pronto per la raccolta. Agricoltori e consumatori si chiedono spesso: come si può capire se il frutto del drago è maturo?

Tradizionalmente, la maturazione del frutto del drago viene valutata in base al colore della buccia, alla consistenza o all'essiccazione delle scaglie. Tuttavia, questi segnali sono incoerenti e variano a seconda delle diverse varietà di frutto del drago.

Fig. 1. Panoramica di diverse varietà di frutto del drago rosso in base alla forma. (Fonte)

Per i coltivatori, questa incoerenza può tradursi in una perdita di valore del raccolto. Per i consumatori, spesso porta a frutti dall'aspetto invitante ma privi di sapore. Per risolvere questa difficoltà, agricoltori e ricercatori si stanno rivolgendo 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 diverse attività, come il rilevamento degli oggetti e la segmentazione delle istanze, che possono essere utilizzate 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 analizzeremo più da vicino perché è difficile capire quando il frutto del drago è maturo, perché i metodi tradizionali spesso non sono sufficienti e come la visione artificiale sta rendendo più affidabile il rilevamento della maturazione. Iniziamo!

Perché è difficile determinare la maturazione del frutto del drago#

Prima di approfondire i metodi tradizionali per verificare la maturazione, vediamo innanzitutto perché può essere così difficile determinare quando il frutto del drago è maturo.

A prima vista, il frutto del drago sembra facile da gustare: basta tagliarlo, estrarre la polpa con un cucchiaio e mangiarlo. Tuttavia, chiunque abbia provato a sceglierne uno sa che la vera difficoltà consiste nel 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 non esiste un solo tipo di frutto del drago. Esistono tre varietà principali per colore, e ognuna matura in modo leggermente diverso. Oltre al colore, i frutti del drago differiscono anche per forma, dimensione e caratteristiche della buccia. Alcuni hanno scaglie più lunghe, mentre altri sono più arrotondati.

Ecco uno sguardo più ravvicinato ai diversi tipi di frutto del drago:

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

Fig. 2. Diverse varietà di frutto del drago in base al colore. (Fonte)

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

Prima che gli agricoltori adottassero tecnologie avanzate come l'AI, i controlli della maturazione si basavano su 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 innanzitutto la buccia del frutto del drago. Una polpa rosa o rossa brillante di solito indica che è maturo, mentre le macchie verdi significano che ha bisogno di altro tempo. Il frutto del drago giallo dovrebbe avere una buccia dorata con poche imperfezioni. Tuttavia, questa regola non è universale. Alcuni frutti sembrano maturi all'esterno ma non lo sono ancora all'interno, mentre altri sviluppano macchie quando diventano troppo maturi.

• Consistenza: anche il tatto è un metodo di verifica. Un frutto del drago maturo dovrebbe cedere leggermente alla pressione, in modo simile a un avocado maturo. Se è molto duro, probabilmente non è ancora maturo. Se è troppo morbido o molle, potrebbe essere già troppo maturo. Anche la consistenza non è sempre affidabile, poiché la manipolazione e il modo in cui si conserva il frutto del drago possono modificarne la durezza.

• Altri segnali: gli agricoltori del frutto del drago a volte si affidano a dettagli più sottili. Le brattee, o ali fogliari, del frutto possono iniziare a seccarsi e ad arricciarsi durante la maturazione, mentre un lieve aroma dolce vicino al peduncolo può fornire un ulteriore indizio. Questi segnali possono essere utili, ma sono poco evidenti e facili da non notare.

Come l'AI basata sulla visione sta cambiando il rilevamento della maturazione del frutto del drago#

Gli indizi tradizionali, come il colore della buccia o la consistenza, possono essere utili, ma spesso sono incoerenti. La visione artificiale rende più affidabile il rilevamento della maturazione del frutto del drago imparando da migliaia di immagini annotate 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 delle istanze e la classificazione delle immagini può essere utilizzato per analizzare in dettaglio la frutta quando il modello viene addestrato su misura con dataset pertinenti.

In particolare, il rilevamento degli oggetti può identificare i singoli frutti in un'immagine. Analogamente, la segmentazione delle istanze può separare ogni frutto dall'ambiente circostante 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)

Addestramento di Ultralytics YOLO11 per individuare i frutti del drago maturi#

Di base, Ultralytics YOLO11 è 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 comprende anch'esso un'ampia gamma di categorie comuni. Questo preaddestramento fornisce a Ultralytics YOLO11 un solido punto di partenza, ma per attività specializzate come il rilevamento della maturazione del frutto del drago è comunque necessario eseguire il fine-tuning o un addestramento personalizzato su un dataset dedicato.

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

• Raccolta dei dati: vengono acquisite migliaia di immagini di frutti del drago in 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 includere acerbo, maturo e troppo maturo. Per il rilevamento degli oggetti o la segmentazione delle istanze, attorno ai frutti vengono disegnati riquadri di delimitazione o maschere per indicarne la posizione e il contorno. Questi esempi annotati forniscono a Ultralytics YOLO11 le informazioni necessarie per imparare.

• Addestramento del modello: l'addestramento di YOLO11 non parte da zero. Attraverso il transfer learning, si basa sulle caratteristiche visive apprese dai dataset di preaddestramento, come COCO per il rilevamento e la segmentazione o ImageNet per la classificazione, e le adatta alle caratteristiche del frutto del drago. L'addestramento personalizzato di YOLO11 con immagini annotate consente al modello di riconoscere indicatori di maturazione come variazioni del colore della buccia, cambiamenti nella consistenza e differenze nella forma del frutto.

• Validazione e test: dopo l'addestramento, Ultralytics YOLO11 può essere valutato su un set separato di immagini di frutti del drago che non ha mai visto prima, chiamato set di validazione o di test. Le sue previsioni vengono confrontate con le etichette di riferimento per misurare l'accuratezza e identificare gli errori, come classificare erroneamente un frutto acerbo come maturo. Questa valutazione aiuta a prevenire l'overfitting e garantisce che il modello impari indicatori di maturazione pertinenti invece di memorizzare i dati di addestramento.

Applicazioni reali della visione artificiale nel rilevamento della maturazione#

Ora vediamo come la visione artificiale viene applicata alla coltivazione e lavorazione nel mondo reale, in particolare nella raccolta dei frutti del drago.

Droni per il monitoraggio e la valutazione della maturazione#

Per decenni, gli agricoltori hanno dovuto percorrere fila dopo fila sotto il sole, controllando i frutti a mano. Questo processo era lento, richiedeva molta manodopera e spesso non rilevava i segnali più sottili della maturazione nascosti sotto le foglie o distribuiti su campi estesi.

Oggi stanno emergendo nuovi approcci che utilizzano 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, offrendo informazioni difficili da cogliere a occhio nudo.

Invece di affidarsi esclusivamente ai controlli manuali, i modelli di visione artificiale possono aiutare a valutare la maturazione a partire dalle immagini acquisite. Identificando prima la maturazione e su scala più ampia, gli agricoltori riescono meglio a pianificare i raccolti e a portare la frutta sul mercato al massimo della qualità.

Robot per la raccolta automatizzata della frutta#

La raccolta della frutta è tutta una questione di tempismo. Un giorno di anticipo o di ritardo può ridurre il valore del raccolto, ed è per questo che la robotica sta entrando a far parte dell'agricoltura. Ad esempio, i ricercatori hanno sviluppato robot per la raccolta dei frutti del drago che utilizzano la visione artificiale e il rilevamento degli oggetti per individuare i frutti in ambienti complessi.

Una volta identificato questo frutto tropicale, il robot può guidare una pinza o un artiglio meccanico per raccoglierlo con danni minimi. Alcuni sistemi dispongono anche di funzioni di selezione integrate per distinguere i frutti maturi da quelli acerbi o danneggiati utilizzando la visione artificiale. Con più bracci robotici in funzione contemporaneamente, queste macchine possono potenzialmente raccogliere più rapidamente e con maggiore uniformità rispetto agli esseri umani, riducendo al contempo il rischio di danneggiare il raccolto.

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

Vantaggi e svantaggi dell'uso dell'AI basata sulla visione 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 uniforme: 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 raccolti voluminosi in modo rapido e preciso, riducendo la necessità di grandi squadre di lavoratori addetti manualmente.

D'altra parte, ecco alcune limitazioni da considerare quando si utilizza l'AI basata sulla visione per il rilevamento del frutto del drago:

• Dipendenza dai dati: i modelli di visione offrono prestazioni migliori quando vengono addestrati su dataset ampi e diversificati di frutti del drago acquisiti in diverse condizioni di illuminazione, angolazioni e fasi di crescita.

• Attività di annotazione: la preparazione di questi dataset richiede un'etichettatura accurata, spesso con il contributo di esperti, che può richiedere molto tempo e lavoro.

• Costi elevati: lo sviluppo, l'addestramento e la distribuzione di sistemi di AI possono comportare spese significative 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. Dal campo alla linea di confezionamento, gli strumenti basati sulla visione possono semplificare la raccolta, la selezione e il confezionamento, aiutando gli agricoltori a fornire frutti con maggiore uniformità. Con il progresso della tecnologia, è probabile che l'AI basata sulla visione svolga un ruolo ancora più importante nell'agricoltura.

Pronto a esplorare l’AI? Unisciti alla nostra community e visita il nostro repository GitHub per saperne di più sull’AI e sulla computer vision. Visita le nostre pagine dedicate alle soluzioni per scoprire altre applicazioni della computer vision in agricoltura e dell’AI nella robotica. Consulta le nostre opzioni di licenza e inizia oggi stesso a lavorare con la computer vision!