L’imaging iperspettrale consente il rilevamento accurato dei noccioli nelle ciliegie

La presenza accidentale del nocciolo nelle ciliegie destinate alla trasformazione industriale rappresenta un problema rilevante sia per la qualità commerciale del prodotto finale sia per la sicurezza del consumatore. I sistemi tradizionali di controllo possono risultare limitati in termini di rapidità, accuratezza o capacità di operare in modo non distruttivo. In questo contesto, lo studio condotto alla Michigan State University (USA) propone un innovativo metodo di rilevamento dei noccioli basato sull’imaging iperspettrale nel vicino infrarosso a onde corte (SWIR), con l’obiettivo di distinguere automaticamente le ciliegie correttamente denocciolate da quelle che contengono ancora il nocciolo.

Per l’indagine è stato sviluppato un sistema di acquisizione iperspettrale operante nell’intervallo di lunghezze d’onda compreso tra 900 e 1700 nm . Tale configurazione consente di misurare la quantità di radiazione che attraversa il frutto, ottenendo informazioni sulle sue caratteristiche interne.

Sono state analizzate ciliegie appartenenti a due diverse cultivar e posizionate secondo differenti orientamenti, sia prima sia dopo il processo di denocciolatura, in modo da valutare la robustezza del metodo rispetto alla variabilità naturale dei campioni. Dalle immagini acquisite sono stati estratti gli spettri medi di trasmittanza delle singole ciliegie, successivamente utilizzati per costruire modelli di classificazione.

Analisi spettrale

L’analisi spettrale ha evidenziato differenze significative tra frutti integri e denocciolati, in particolare nell’intervallo compreso tra 1000 e 1050 nm. In questa regione spettrale, le ciliegie prive di nocciolo hanno mostrato valori di trasmittanza superiori, probabilmente a causa della minore attenuazione della radiazione in assenza del nocciolo legnoso all’interno.

Per migliorare l’efficienza computazionale e individuare le informazioni più rilevanti, gli autori hanno applicato diverse tecniche di selezione delle lunghezze d’onda. In una prima fase è stato impiegato il metodo Backward Interval Partial Least Squares (BiPLS), mentre successivamente sono stati utilizzati gli algoritmi Competitive Adaptive Reweighted Sampling (CARS) e Successive Projection Algorithm (SPA) per selezionare specifiche lunghezze d’onda chiave.

I risultati ottenuti sono stati ulteriormente ottimizzati mediante un algoritmo che ha consentito di individuare un insieme molto compatto di bande spettrali ad elevato potere discriminante. Le prestazioni dei modelli sono state valutate utilizzando algoritmi come Random Forest e Support Vector Machine.

Prestazioni dei modelli

I risultati hanno mostrato prestazioni eccezionali: nell’intervallo spettrale compreso tra 1007 e 1057 nm entrambi i classificatori hanno raggiunto il 100% di accuratezza, precisione, richiamo (recall) e punteggio F1 nella distinzione tra ciliegie con e senza nocciolo. Al contrario, le bande superiori a 1436 nm hanno prodotto risultati sensibilmente inferiori, con accuratezze comprese tra il 50% e il 67%, dimostrando una minore capacità discriminante.

Un aspetto particolarmente interessante riguarda il fatto che anche singole lunghezze d’onda selezionate, come 1007, 1014, 1032 e 1236 nm, sono risultate sufficienti per ottenere una classificazione perfetta. Questo risultato suggerisce che non sia necessariamente indispensabile utilizzare costosi sistemi iperspettrali completi, ma che possano essere sviluppati sistemi multispettrali o addirittura monocromatici più economici e adatti all’impiego industriale in linea.

Infine, i modelli sviluppati hanno dimostrato una notevole robustezza rispetto all’orientamento del frutto durante la scansione, aspetto fondamentale per l’integrazione di questo sistema in processi produttivi automatizzati.

Nel complesso, lo studio conferma l’elevato potenziale dell’imaging iperspettrale SWIR in trasmissione come tecnologia non distruttiva per il rilevamento dei noccioli nelle ciliegie, aprendo la strada a sistemi di controllo qualità più rapidi, affidabili e applicabili in tempo reale nell’industria alimentare.

Fonte: Naseeb Singh, Yuzhen Lu, Non-destructive detection of pits in cherries using shortwave infrared hyperspectral transmission imaging, Food Bioscience, Volume 75, 2026, 108201, ISSN 2212-4292, https://doi.org/10.1016/j.fbio.2025.108201 

Fonte immagine: Stefano Lugli 

Melissa Venturi
Dottoressa di Ricerca in Scienze e Tecnologie Agrarie, Ambientali e Alimentari - Arboricoltura Generale e Coltivazioni Arboree - Bologna, IT

Cherry Times - Tutti i diritti riservati