Ultralytics YOLO11 e computer vision nella fenotipizzazione vegetale

L'agricoltura è essenziale per il nostro approvvigionamento alimentare e i ricercatori cercano sempre modi per adattarla a una sfida fondamentale: il cambiamento climatico. Con il riscaldamento globale che sconvolge le stagioni di crescita e la popolazione mondiale in aumento, è davvero necessario sviluppare colture in grado di resistere ad ambienti in costante cambiamento. La fenotipizzazione vegetale è una parte fondamentale di questa ricerca.

La fenotipizzazione delle piante consiste nello studiare caratteristiche come dimensioni, colore, crescita e struttura delle radici. Capendo come le piante reagiscono a condizioni diverse, possiamo individuare quelle più adatte a resistere alla siccità, al caldo o a terreni poveri. Questi dati possono aiutare a decidere quali colture selezionare per migliorare la produttività agricola.

In genere, la fenotipizzazione delle piante si basa su osservazioni visive manuali, che possono richiedere molto tempo e lavoro. La visione artificiale, un ramo dell’intelligenza artificiale (AI), può rivoluzionare il modo in cui studiamo le piante. Applicata alla fenotipizzazione delle piante, la visione artificiale permette di rilevare e analizzare automaticamente le piante a partire da immagini o video, migliorando notevolmente velocità, coerenza e precisione.

Ad esempio, i modelli di visione artificiale come Ultralytics YOLO11 possono elaborare grandi quantità di dati visivi sulle piante, acquisiti da droni, robot terrestri o dispositivi portatili. Grazie al supporto di diverse attività di visione artificiale, YOLO11 può essere usato per analizzare varie caratteristiche delle piante in immagini e video.

In questo articolo esamineremo più da vicino le sfide della fenotipizzazione tradizionale delle piante e vedremo come i modelli di visione artificiale come Ultralytics YOLO11 stiano favorendo pratiche agricole più intelligenti e sostenibili.

Che cos’è la fenotipizzazione delle piante?#

La fenotipizzazione delle piante è il processo di osservazione e analisi delle caratteristiche fisiche e biochimiche di una pianta. Raccogliendo dati come l’altezza della pianta, l’area fogliare, il tasso di crescita e le risposte allo stress, possiamo ottenere informazioni preziose su come le piante crescono e reagiscono a diversi ambienti.

I dati raccolti con la fenotipizzazione delle piante sono fondamentali per il miglioramento delle colture, la previsione dei raccolti e il rafforzamento della resilienza climatica. Questi dati aiutano anche agricoltori ed esperti del settore a selezionare le varietà vegetali più performanti da coltivare o sottoporre a selezione.

Fig. 1. Un ricercatore misura con un righello l’altezza della pianta.

Ancora oggi, la fenotipizzazione delle piante si basa generalmente su metodi manuali. Ricercatori o agricoltori esperti visitano i campi, misurano le piante fisicamente e registrano i dati a mano. Pur essendo utili, questi metodi richiedono un notevole impegno umano. Possono anche generare risultati incoerenti, perché persone diverse potrebbero osservare e interpretare i tratti delle piante in modo differente.

La fenotipizzazione moderna, o fenotipizzazione delle piante ad alta capacità di analisi, punta invece sulla coerenza, sulla precisione e sulla raccolta non distruttiva dei dati. Le piante vengono monitorate con strumenti avanzati, come le videocamere RGB (videocamere a colori standard), i sensori iperspettrali (dispositivi che acquisiscono un’ampia gamma di informazioni sul colore, anche oltre lo spettro visibile) e i sistemi LiDAR (rilevamento e misurazione della distanza tramite luce) (scanner laser che creano mappe 3D dettagliate), per acquisire dati ad alta risoluzione senza alterare fisicamente le piante.

Se combinate con l’IA e la visione artificiale, queste tecniche non invasive possono contribuire a migliorare notevolmente la precisione e la coerenza della fenotipizzazione delle piante.

Limiti della fenotipizzazione tradizionale delle piante#

Sebbene siano fondamentali, i metodi tradizionali di fenotipizzazione delle piante presentano vari limiti e sfide. Ecco alcuni dei principali svantaggi:

• Metodi manuali: i metodi tradizionali si basavano sul lavoro umano e sull’uso di strumenti fisici come righelli e calibri. Richiedevano molto tempo ed erano soggettivi, soprattutto nei grandi campi coltivati.
• Campionamento distruttivo: spesso le piante venivano danneggiate o sradicate per studiarne le proprietà interne. Il campionamento distruttivo rende impossibile monitorare la risposta delle piante in momenti diversi.
• Difficoltà nel rilevare i cambiamenti nel tempo: i metodi tradizionali spesso acquisiscono un singolo momento, senza cogliere l’evoluzione dei tratti delle piante nel tempo.

La fenotipizzazione delle piante ad alta capacità di analisi punta ad automatizzare il processo, rendendo le misurazioni più precise e uniformi. Apre nuove opportunità per l’innovazione agricola e l’agricoltura intelligente.

Il ruolo della visione artificiale nella fenotipizzazione delle piante#

La visione artificiale è una tecnologia che consente alle macchine di vedere e interpretare le informazioni visive del mondo reale, in modo simile agli esseri umani. Si articola in tre fasi principali: acquisizione, elaborazione e analisi delle immagini.

Per prima cosa, l’acquisizione delle immagini consiste nel raccogliere dati visivi con diversi sensori, come videocamere e droni. Poi, la elaborazione delle immagini ne migliora la qualità e la nitidezza con tecniche come la riduzione del rumore e la correzione del colore. Infine, l’analisi delle immagini estrae informazioni significative dalle immagini elaborate utilizzando diverse attività di visione artificiale, come il rilevamento degli oggetti e la segmentazione delle istanze. Per questa analisi delle immagini si possono usare modelli come Ultralytics YOLO11, che supporta tali attività.

Fig. 2. YOLO11 può essere usato per rilevare ortaggi in un campo.

Altre tecnologie usate nella fenotipizzazione delle piante ad alta capacità di analisi#

Oltre alla visione artificiale, la fenotipizzazione delle piante ad alta capacità di analisi si affida a diverse tecnologie innovative per acquisire immagini e video dettagliati delle piante. Ecco alcuni strumenti fondamentali e il modo in cui migliorano la raccolta dei dati:

• Acquisizione di immagini RGB: per acquisire immagini delle piante si usano comunemente videocamere RGB standard. L’acquisizione di immagini RGB è fondamentale per l’analisi fenotipica e spesso rappresenta il primo passaggio di valutazioni più complesse.
• Acquisizione di immagini iperspettrali: questa tecnologia acquisisce un’ampia gamma di bande spettrali, anche oltre lo spettro visibile. Fornisce informazioni dettagliate sulla composizione chimica delle piante e aiuta a rilevare fattori come i livelli di clorofilla, il contenuto d’acqua e le carenze di nutrienti.
• Termografia: le videocamere termiche misurano la radiazione infrarossa emessa dalle piante, fornendo informazioni sulla temperatura superficiale. Questo metodo non invasivo è utile per monitorare la salute delle piante e individuare tempestivamente eventuali problemi.
• Imaging 3D: le videocamere di profondità e la tecnologia LiDAR creano modelli tridimensionali delle piante. L’imaging 3D è fondamentale per analizzare le strutture complesse delle piante e capire come le variazioni influiscono sulla crescita e sulla produttività.

Fig. 3. Tecnologie chiave impiegate nella fenotipizzazione delle piante ad alta capacità di analisi. Immagine dell’autore.

Applicazioni di Ultralytics YOLO11 nella fenotipizzazione delle piante#

I modelli di visione artificiale vengono impiegati sempre più spesso nella fenotipizzazione delle piante per un’ampia gamma di attività. Dal conteggio delle foglie all’analisi morfologica dettagliata, queste tecnologie stanno trasformando il modo in cui comprendiamo e gestiamo la salute delle piante. Vediamo alcune applicazioni reali in cui modelli come YOLO11 possono contribuire alla fenotipizzazione delle piante.

Conteggio delle foglie e stima della siccità con Ultralytics YOLO11#

Quando i modelli di visione come Ultralytics YOLO11 vengono integrati con i UAV (veicoli aerei senza pilota), possono essere usati per analizzare in tempo reale diverse caratteristiche delle piante. La capacità di YOLO11 di rilevare piccoli dettagli nelle immagini aeree ad alta risoluzione, come le punte delle foglie, aiuta ricercatori e agricoltori a monitorare le fasi di sviluppo delle piante con maggiore precisione rispetto ai metodi manuali tradizionali.

Per esempio, il supporto di Ultralytics YOLO11 per il rilevamento degli oggetti può essere usato per individuare le differenze tra le piante di riso resistenti alla siccità e quelle sensibili alla siccità contando le foglie visibili. Gli indizi visivi, come il numero di foglie, sono spesso correlati a tratti più profondi, quali la biomassa e la resilienza delle piante.

Rilevamento dei fiori con Ultralytics YOLO11#

Il rilevamento e il conteggio dei fiori sono aspetti interessanti della fenotipizzazione delle piante, soprattutto per le colture in cui la quantità di fiori è strettamente legata al potenziale di resa. In particolare, Ultralytics YOLO11 può essere usato per rilevare diverse strutture floreali. Automatizzando il rilevamento dei fiori, agricoltori e ricercatori possono prendere più rapidamente decisioni basate sui dati riguardo ai tempi di impollinazione, all’allocazione delle risorse e alla salute generale delle colture.

Rilevamento delle malattie delle piante con l’IA e Ultralytics YOLO11#

Rilevare le malattie delle piante è fondamentale per monitorare la salute delle colture. Le funzionalità di classificazione delle immagini di YOLO11 permettono di classificare immagini delle colture per identificare i primi segni di malattia. YOLO11 può anche essere integrato in dispositivi come droni, app per dispositivi mobili o robot da campo per automatizzare il rilevamento delle malattie. Questo consente agli agricoltori di intervenire tempestivamente contro le epidemie, riducendo le perdite di raccolto e minimizzando l'uso di pesticidi.

Ad esempio, Ultralytics YOLO11 può essere addestrato su misura per classificare immagini di foglie di vite che potrebbero mostrare segni di arricciamento fogliare della vite. Il modello apprende da esempi etichettati che rappresentano diverse fasi della malattia, come foglie sane, lieve scolorimento e sintomi gravi. Riconoscendo schemi visivi distintivi, come i cambiamenti di colore e lo scolorimento delle nervature, YOLO11 aiuta i viticoltori a rilevare precocemente le infezioni e a prendere decisioni più consapevoli sui trattamenti.

Fig. 4. Esempi dei sintomi dell’arricciamento fogliare della vite.

Vantaggi dell’uso di Ultralytics YOLO11 per la fenotipizzazione delle piante#

Ecco alcuni vantaggi dell’uso di modelli di visione artificiale come Ultralytics YOLO11 rispetto ai metodi tradizionali di fenotipizzazione delle piante:

• Scalabilità ed economicità: automatizzare i processi con Ultralytics YOLO11 può ridurre la necessità di manodopera, offrendo una soluzione scalabile ed economica per le attività agricole su larga scala.
• Avvisi in tempo reale: integrare gli approfondimenti raccolti con Ultralytics YOLO11 nei sistemi automatizzati invia notifiche immediate sui potenziali problemi, favorendo decisioni rapide.
• Pratiche agricole sostenibili: riducendo gli interventi manuali e l'uso di sostanze chimiche, la visione artificiale contribuisce a un'agricoltura più rispettosa dell'ambiente e sostenibile.

Le sfide della visione artificiale nel fenotipaggio delle piante#

La visione artificiale offre molti vantaggi nel fenotipaggio delle piante, ma è importante tenere a mente i limiti legati all'implementazione di questi sistemi. Ecco alcune criticità principali:

• Requisiti dei dataset: L'addestramento dei modelli richiede dataset ampi, diversificati e ben etichettati, che possono essere difficili e lunghi da raccogliere, soprattutto per colture rare o condizioni particolari.
• Problemi di privacy: con la diffusione di droni e telecamere intelligenti nei campi, ci si chiede chi possieda i dati, come vengano conservati e se siano utilizzati senza il consenso appropriato.
• Condizioni ambientali: le variazioni di illuminazione, le condizioni meteorologiche e gli elementi di disturbo sullo sfondo possono influire in modo imprevedibile sull'accuratezza dell'analisi visiva in ambienti agricoli.

Verso il fenotipaggio delle piante ad alta produttività#

Il futuro del fenotipaggio delle piante si orienta verso sistemi intelligenti e interconnessi che collaborano per offrire un quadro più chiaro della salute e della crescita delle colture. Una tendenza promettente è l'impiego simultaneo di più sensori. Combinando i dati provenienti da diverse fonti, possiamo ottenere una comprensione molto più ricca e accurata di ciò che accade a una pianta.

Le tendenze di mercato mostrano inoltre un crescente interesse per i metodi avanzati di fenotipaggio delle piante. Quest'anno (2025), il mercato globale del fenotipaggio delle piante vale circa 311,73 milioni di dollari e dovrebbe raggiungere i 520,80 milioni di dollari entro il 2030.

Fig. 5. Valore di mercato del fenotipaggio delle piante.

Punti chiave#

La visione artificiale nel fenotipaggio delle piante aiuta ad automatizzare la misurazione e l'analisi delle piante. I modelli di IA visiva come Ultralytics YOLO11 possono ridurre il lavoro manuale, ottenere risultati migliori e facilitare il monitoraggio delle colture su vasta scala. Il passaggio dai metodi tradizionali ai sistemi intelligenti basati sulla tecnologia è un passo importante per affrontare sfide globali come il cambiamento climatico, la carenza di cibo e l'agricoltura sostenibile.

In futuro, integrare la computer vision con altre tecnologie come l'IA, la robotica e i sensori intelligenti renderà l'agricoltura ancora più intelligente ed efficiente. Con il progresso dell'IA, ci avviciniamo a un futuro in cui potremo monitorare continuamente le piante, ottimizzarne la crescita e fornire loro le cure necessarie.

Unisciti alla nostra community ed esplora il nostro repository GitHub per saperne di più sulle innovazioni nell'IA. Scopri gli ultimi progressi in ambiti come l'IA nella produzione e la visione artificiale in ambito sanitario nelle nostre pagine dedicate alle soluzioni. Dai un'occhiata alle opzioni di licenza e inizia oggi stesso a usare la visione artificiale!