Cherry CO: un dataset pubblico per il riconoscimento e la segmentazione delle ciliegie

28 feb 2025
532

Negli ultimi anni, l'automazione in agricoltura ha fatto grandi passi avanti grazie all'uso di sistemi robotici e algoritmi di visione artificiale. Queste tecnologie possono permettere ai computer di compiere molteplici operazioni, tra cui identificare ed analizzare i frutti.

Automatizzando così attività come la valutazione della maturità e la raccolta. Tuttavia, per addestrare efficacemente algoritmi di apprendimento automatico, è essenziale disporre di dataset specifici per ogni tipo di frutto.

La maggior parte delle tipologie di frutti, però, non dispone di dataset pubblicamente disponibili, e questo rappresenta una barriera per lo sviluppo di tali sistemi autonomi.

Il dataset Cherry CO

In risposta a questa esigenza, è stato sviluppato “Cherry CO”, un dataset nuovo e ad alta risoluzione specificamente pensato per il rilevamento e segmentazione delle ciliegie.

Questo dataset comprende 3.006 immagini etichettate, raccolte in un ceraseto in diverse condizioni ambientali per rappresentare al meglio la variabilità di questo sistema.

Ogni ciliegia è stata etichettata manualmente per indicare posizione, forma e classe, considerando aspetti come lo stato di maturazione, la salute del frutto e la posizione rispetto alla fotocamera.

Acquisizione e caratteristiche delle immagini

Le immagini sono state acquisite in un arco di tre settimane presso il “Center for Advanced Fruit Studies (CEAF)” in Cile, utilizzando una fotocamera Canon Rebel Ti7.

Per garantire la diversità delle scene, le foto sono state scattate in condizioni di luce differenti, su frutti a vari stadi di maturazione e da diverse angolazioni.

L'etichettatura ha richiesto circa sei mesi di lavoro, durante i quali ogni ciliegia visibile è stata classificata in una delle sei categorie stabilite in base al colore e alla posizione.

Le categorie includono: verde, immatura, matura (in primo piano), e ciliegie di sfondo divise in mature e immature, oltre ad una categoria per i frutti danneggiati.

Le sfide della segmentazione

Una delle principali sfide affrontate dai ricercatori è stata la variabilità tipica degli ambienti agricoli, come l'occlusione da foglie e rami, le variazioni di illuminazione e la sovrapposizione di frutti in immagini densamente popolate.

Nonostante queste difficoltà, il dataset Cherry CO offre una vasta gamma di esempi utili per addestrare modelli di deep learning, garantendo un'elevata capacità di generalizzazione degli algoritmi.

Prestazioni dei modelli DNN

Per valutare le prestazioni sui compiti di rilevamento e segmentazione delle ciliegie, sono stati utilizzati diversi Deep Neural Networks (DNN), tra cui Faster-RCNN, Mask-RCNN, Mask-Swin e le reti della famiglia YOLO (YOLOv4, YOLOR e YOLOv7).

Tra queste, YOLOv7 ha ottenuto le migliori prestazioni complessive, mostrando alta precisione e capacità di rilevare i frutti anche in condizioni complesse.

In particolare, ha raggiunto un ottimo equilibrio tra “Precision and Recall”, risultando adatta per applicazioni in tempo reale come il monitoraggio video e la raccolta automatizzata.

Conclusioni

Pertanto, Cherry CO rappresenta un’utile risorsa per addestrare modelli al riconoscimento e segmentazione delle ciliegie. Le reti addestrate con questo dataset possono essere utilizzate in applicazioni autonome per il conteggio dei frutti, la valutazione della maturità e persino per lo sviluppo di robot per la raccolta automatizzata.

In conclusione, Cherry CO si aggiunge alla lista (purtroppo carente) di dataset pubblici per il rilevamento e la segmentazione dei frutti, supportando l'innovazione tecnologica in agricoltura e promuovendo l'adozione di sistemi autonomi nella produzione delle ciliegie.

Image by freepik

Source: Cossio-Montefinale, L., Ruiz-del-Solar, J., & Verschae, R. (2024). Cherry CO Dataset: a dataset for cherry detection, segmentation and maturity recognition. IEEE Robotics and Automation Letters, vol. 9, no. 6, pp. 5552-5558. https://doi.org/10.1109/LRA.2024.3393214

Andrea Giovannini
Università di Bologna (IT)


Cherry Times - Tutti i diritti riservati

Potrebbe interessarti anche

Ciliegio di Singapore: un albero multifunzionale anche per il giardinaggio moderno

Tipicità

10 lug 2024

L'albero è originario dell'America centrale e dei Caraibi ed è diffuso dagli uccelli, che amano i suoi frutti. Il nome Singapore potrebbe essere stato acquisito in Asia perché si dice che il governo dell'isola li abbia piantati un tempo come copertura verde a crescita rapida.

Qualità del succo di amarena: confronto tra diversi tipi di confezionamento

Qualità

23 dic 2024

Un recente studio ha analizzato la qualità del succo di amarena confezionato in vetro ed in Tetra Pak, valutando i parametri sensoriali e fisico-chimici. L’obiettivo era fornire informazioni utili ai consumatori e garantire standard qualitativi adeguati.

In evidenza

Radici aeree e piogge intense: una soluzione per le amarene nel nord della Cina

Portinnesti

05 giu 2025

Le radici aeree rappresentano una risposta adattiva allo stress da ristagno idrico. Ricercatori cinesi studiano il ciliegio 'Gotenba zakura' come portainnesto per amarene resistenti alle piogge intense nel nord della Cina. Una nuova frontiera per la frutticoltura.

Ciliegie sotto copertura a New York: il modello high-tech di Newroyal Orchards

Coperture

05 giu 2025

A Niagara County, Tim Buhr coltiva ciliegie dolci con impianti ad alta densità, coperture VOEN e varietà Cornell. Grazie ai portainnesti Gisela e a una gestione agronomica mirata, affronta il clima umido di New York puntando su qualità, rese elevate e mercati locali.

Tag Popolari