Integrating postharvest quality assessment and deep learning to identify the optimal harvest maturity stage of apricot fruit
Questo studio identifica lo Stadio 3 come la maturità di raccolta ottimale per gli albicocchi sulla base di una superiore ritenzione della qualità post-raccolta e sviluppa un modello di deep learning leggero utilizzando immagini RGB per classificare rapidamente e in modo non distruttivo gli stadi di maturazione per un migliore processo decisionale relativo alla raccolta.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Ogni anno, i frutteti di tutto il mondo producono milioni di albicocche, un frutto celebrato per il suo sapore dolce e la sua ricca nutrizione. Eppure, questi frutti affrontano una implacabile corsa contro il tempo. A differenza di molti raccolti che possono essere raccolti e conservati per mesi, le albicocche sono morbide, deperibili e maturano rapidamente una volta staccate dall'albero. Se raccolte troppo presto, rimangono dure e insapori; se raccolte troppo tardi, diventano molli e si guastano prima di raggiungere il mercato. La chiave per risolvere questo problema risiede nel trovare l'esatto momento del raccolto, uno stadio di sviluppo in cui il frutto è abbastanza maturo da avere un buon gusto, ma ancora abbastanza sodo da sopravvivere al viaggio fino a un supermercato. Per decenni, gli agricoltori si sono affidati ai propri occhi e alla propria esperienza per indovinare questo momento, un metodo che è spesso incoerente e soggetto a errori. Ora, un nuovo approccio combina lo studio attento della chimica del frutto con la visione artificiale avanzata per trovare una risposta più affidabile.
I ricercatori della Shahrood University of Technology in Iran si sono posti l'obiettivo di risolvere questo enigma comprendendo prima la biologia dell'albicocca e poi insegnando a un computer a riconoscere il momento giusto per raccoglierla. Si sono concentrati su una varietà specifica nota come Zafarani, coltivata nella regione di Shahrood. Il team ha iniziato raccogliendo il frutto in cinque distinti stadi di crescita, che vanno da molto immaturo a completamente maturo. Hanno posto questi frutti in un ambiente di conservazione a freddo, imitando le condizioni utilizzate dai distributori commerciali, e hanno osservato come cambiavano nell'arco di trentacinque giorni. Ogni settimana, gli scienziati misuravano una vasta gamma di qualità: quanto era duro il frutto, quanta perdita di peso subiva per l'evaporazione dell'acqua, il livello di dolcezza, la quantità di acidità e il colore preciso della buccia. Cercavano il singolo stadio in cui il frutto manteneva meglio la sua forma e il suo sapore, resistendo al contempo al naturale decadimento che deriva dal passare del tempo.
I risultati di questa lunga osservazione hanno rivelato un chiaro vincitore. I frutti raccolti al terzo stadio di maturazione, un punto che non è né troppo verde né completamente morbido, si sono dimostrati i più resilienti. Queste albicocche mantenevano la consistenza meglio di quelle raccolte prima o dopo. Perdevano meno peso, il che significa che rimanevano sode e succose più a lungo. Il loro equilibrio chimico, inclusi dolcezza e acidità, rimaneva più stabile, e il loro colore cambiava meno drasticamente rispetto agli altri. I frutti raccolti troppo presto faticavano a mantenere la qualità, cambiando rapidamente e perdendo consistenza velocemente. Quelli raccolti troppo tardi erano già troppo morbidi per sopportare il periodo di conservazione, deteriorandosi quasi immediatamente. Lo studio ha confermato che questa specifica finestra temporale offre il miglior compromesso, permettendo al frutto di essere conservato per settimane senza perdere le qualità che lo rendono desiderabile da mangiare.
Dopo aver identificato questo stadio ideale di raccolta, i ricercatori si sono dedicati alla seconda parte del loro lavoro: insegnare a una macchina come trovarlo. Si sono resi conto che se un computer potesse guardare un'albicocca sull'albero e sapere istantaneamente se si trova in quel perfetto terzo stadio, gli agricoltori potrebbero raccogliere con molta più precisione. Per fare ciò, hanno scattato oltre mille fotografie delle albicocche nel frutteto sotto la luce naturale del sole, catturando il frutto esattamente come appariva nel mondo reale, con tutte le ombre e le diverse angolazioni che un agricoltore incontrerebbe. Non hanno utilizzato luci speciali o allestimenti controllati; volevano che il sistema funzionasse nella realtà disordinata di un frutteto.
Il team ha poi costruito un programma informatico personalizzato, un tipo di intelligenza artificiale nota come modello di deep learning, progettato specificamente per classificare le immagini. Questo programma è stato addestrato per esaminare le foto e categorizzare il frutto in uno dei cinque stadi di maturazione. Il modello è stato progettato per essere leggero, il che significa che potrebbe girare velocemente su dispositivi standard senza richiedere una potenza di calcolo massiccia. Dopo l'addestramento su migliaia di immagini, il computer è stato testato su un nuovo set di foto che non aveva mai visto prima. Ha identificato con successo lo stadio di maturazione corretto nella stragrande maggioranza dei casi. Quando commetteva errori, questi erano solitamente piccoli errori, come confondere un frutto che stava per raggiungere lo stadio perfetto con uno che lo aveva appena superato. Ciò ha dimostrato che il computer comprendeva i cambiamenti graduali dell'aspetto del frutto piuttosto che limitarsi a memorizzare schemi casuali.
La significatività di questo lavoro risiede nella sua capacità di colmare il divario tra la scienza biologica e l'agricoltura pratica. Dimostrando prima quale stadio di crescita porta alla maggiore durata di conservazione, e poi creando uno strumento per identificare tale stadio istantaneamente, i ricercatori hanno offerto una strada verso la riduzione degli sprechi e il miglioramento della qualità. Il sistema di visione artificiale non sostituisce la conoscenza dell'agricoltore, ma la potenzia, fornendo un modo oggettivo e rapido per prendere decisioni sul raccolto. Sebbene lo studio sia stato condotto su una singola varietà di albicocca in un unico luogo, il metodo suggerisce un futuro potente per l'agricoltura. Se questa tecnologia potesse essere adattata ad altri frutti e diverse condizioni di crescita, potrebbe trasformare il modo in cui i prodotti vengono raccolti, garantendo che il frutto che raggiunge i consumatori sia fresco e saporito come il giorno in cui è stato colto. Lo studio conclude che, sebbene lo strumento sia promettente, sono necessari ulteriori test in diversi frutteti e stagioni per confermarne l'affidabilità su scala commerciale.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.