Classificazione dei prodotti in base al colore
La classificazione automatica delle mele in base alla loro qualità visiva costituisce un’operazione complessa a causa della presenza di differenti tipi di difetti sulla superficie del prodotto e della variabilità del colore della buccia. Le tecnologie più utilizzate in questo settore sono le immagini a raggi X, le immagini iperspettrali, i metodi di riflettanza spettrale e, soprattutto, i sistemi basati sulle immagini nel vicino infrarosso (NIR). Dal punto di vista di tali tecnologie le mele possono essere suddivise in due gruppi differenti: quelle caratterizzate da una buccia di un solo colore (come le varietà Golden Delicious e Granny Smith) e quelle caratterizzate da una buccia di due colori (come le varietà Jonagold e Fuji). La classificazione di quest’ultimo gruppo è più difficoltosa a causa delle aree di transizione del colore. In uno studio recente, effettuato da un gruppo di ricercatori internazionali (Unay et al., 2011), viene proposto un nuovo sistema di visione computerizzato in grado di classificare mele appartenenti a varietà caratterizzate da bucce di due colori in due o più categorie di qualità. Tale sistema dapprima segmenta l’immagine dei difetti presenti sulla superficie dei campioni e, successivamente, i segmenti vengono sottoposti ad un processo di estrazione di determinate caratteristiche (geometriche, strutturali, ecc). I frutti vengono, infine, assegnati alle diverse categorie utilizzando classificatori statistici e sintattici. Il sistema è stato validato impiegando mele appartenenti alla varietà Jonagold e due o cinque classi di qualità. I risultati ottenuti nel primo caso dimostrano che il sistema sviluppato è decisamente più efficiente (accuratezza pari al 93.5%) rispetto a quelli proposti in letteratura dal momento che è in grado di minimizzare le interferenze provocate dalla presenza del picciolo. Nel caso della classificazione in cinque classi di qualità lo studio dimostra che la combinazione di diverse caratteristiche delle immagini estratte impiegando differenti filtri spettrali è essenziale per ottenere una buona performance dello strumento. Secondo gli autori, inoltre, il sistema potrebbe essere migliorato impiegando diversi classificatori in cascata. Concludendo, nello studio viene evidenziata la necessità di testare lo strumento su una linea industriale, utilizzando diverse varietà di mele, per valutarne l’affidabilità e la robustezza.
Riferimenti bibliografici
J. Rakun et al., Computers and Electronics in Agriculture, 76, 2011, 80-88
D. Unay et al., Computers and Electronics in Agriculture, 75, 2011, 204-212
