Intelligenza artificiale e deep learning per classificare le ciliegie in Turchia

27 giu 2025
266

Per ridurre i costi di produzione e commercializzazione delle ciliegie è necessario trovare metodi di classificazione accurati e rapidi. I metodi di classificazione tradizionali sono frequentemente soggetti a errori, richiedono conoscenze specializzate e consumano una quantità significativa di tempo.

In uno studio apparso sulla rivista “Scientific reports” di Nature, i ricercatori dell’Università Burdur Mehmet Akif Ersoy in Turchia mostrano i risultati di uno studio volto a migliorare l'accuratezza della classificazione delle ciliegie attraverso l'integrazione di tecniche avanzate di deep learning e di elaborazione di immagini, strumenti che stanno offrendo notevoli vantaggi in termini di efficienza e controllo della qualità dei frutti.

In questo studio, il modello YOLOv8 è stato migliorato nella rilevazione e classificazione di varie cultivar di ciliegie grazie all'aggiunta di Swin Transformer e Deformable Attention Transformer. Questo approccio migliora l'efficienza e la precisione dei processi di produzione e commercializzazione delle ciliegie, rafforza il ruolo dell'intelligenza artificiale nelle tecnologie agricole e si prevede che aumenterà il vantaggio competitivo del settore.

Identificazione precoce sul campo

Studiando la letteratura scientifica, gli studi sulla classificazione delle ciliegie si concentrano sulla classificazione delle ciliegie raccolte e prive di foglie. Tuttavia, è necessario che gli agricoltori identifichino accuratamente il tipo di frutto mentre è ancora sull'albero, piuttosto che dopo la raccolta, per ottimizzare le fasi della raccolta, garantire la classificazione dei frutti in linea con le richieste del mercato, migliorare il controllo qualità e facilitare migliori strategie di esportazione.

Di conseguenza, questa indagine si distingue da quanto esistente concentrandosi sull'identificazione delle ciliegie sull'albero, un compito che è stato poco studiato nell'attuale corpus di ricerca.

Stella, Regina, Rainer, White Cherry e Ziraat 900 hanno composto il dataset utilizzato in questa indagine. I risultati indicano che le varietà di ciliegie sono state classificate con successo utilizzando tecniche di deep learning e di elaborazione delle immagini.

Figura 1. Flusso operativo complessivo del quadro proposto. Fonte: Arısoy e Uysal, 2025

Prestazioni del modello

Quando i 4 modelli dello studio vengono confrontati tra loro, nel modello proposto Yolov8n-Multipleattn, in particolare, la precisione per la classe "Regina" è aumentata all'87%, riflettendo una migliore capacità di identificare correttamente i casi di questa classe.

Allo stesso modo, la classe "Stella" raggiunge un punteggio F1 migliorato di 0,93, supportato da una precisione e un richiamo bilanciati (entrambi al 93%) e una maggiore accuratezza del 92,50%. Questo dimostra una maggiore coerenza nel riconoscere i casi di questa classe.

Inoltre, le classi "Rainier" e "White Cherry" mantengono le loro alte prestazioni, con la classe "White Cherry" che raggiunge metriche quasi perfette (F1 score: 0.99, accuratezza: 100%).

Prospettive future

Tuttavia, per migliorare ulteriormente le prestazioni del modello è consigliabile utilizzare sia set di dati più ampi che più diversificati, assicurandosi che i dati siano raccolti da una varietà di regioni geografiche. Questo migliorerà le capacità di generalizzazione del modello.

Inoltre, l'integrazione del modello nelle piattaforme mobili, inclusi droni e dispositivi portatili, potrebbe portare allo sviluppo di applicazioni in tempo reale, che migliorerebbero l'efficacia dei processi agricoli.

Grazie a questi risultati incoraggianti, ci possiamo aspettare miglioramenti nel controllo della qualità e nell'efficienza in agricoltura, che può essere impiegata anche nella classificazione di altri tipi di frutta.

Fonte:Varol Arısoy, M., Uysal, İ. BiFPN-enhanced SwinDAT-based cherry variety classification with YOLOv8. Sci Rep 15, 5427 (2025). https://doi.org/10.1038/s41598-025-89624-7 

Fonte immagine apertura: SL Fruit Service 

Melissa Venturi
Università di Bologna


Cherry Times - Tutti i diritti riservati

Potrebbe interessarti anche

Coltivare il successo: le idee di Vivai Spinelli, lo specialista italiano degli alberi da frutto

Vivai

22 set 2023

L'azienda Vivai Spinelli si è affermata nel settore grazie alla gestione completa del ciclo produttivo, dalla fase iniziale di propagazione fino alla distribuzione delle piante mature sul mercato. Per Cherry Times ha parlato Vito Spinelli.

Mumbai brinda alle ciliegie cilene: successo oltre le aspettative grazie alla qualità

Mercati

31 gen 2025

Il container, fornito dal coltivatore-esportatore Subsole, ha raggiunto Mumbai il 22 gennaio. Secondo un comunicato di IG International, da allora le vendite sono aumentate e i consumatori indiani hanno risposto positivamente alla qualità e al gusto delle ciliegie premium cilene.

In evidenza

La crescita della ciliegia: le tre fasi chiave per frutti di calibro eccezionale

Qualità

07 ago 2025

Le ciliegie di grande calibro nascono da tre fasi cruciali di sviluppo: proliferazione cellulare, indurimento del nocciolo ed espansione finale. Scopri come genetica e fisiologia determinano qualità, dolcezza e dimensione dei frutti destinati al mercato premium.

Biotecnologia del Prunus cerasus Marasca: ricerca Italia-Croazia tra Padova e Perugia

Trasformato

07 ago 2025

Uno studio delle Università di Padova e Perugia analizza il potenziale biotecnologico del Prunus cerasus var. Marasca, varietà croata di ciliegio acido usata per il Maraschino, evidenziando flavanoni come la naringenina e applicazioni nutraceutiche industriali.

Tag Popolari