La calibratura delle ciliegie è storicamente uno dei problemi più impegnativi legati alla commercializzazione dei frutti. Attualmente, la calibratura manuale rimane prevalente durante la stagione di maturazione delle ciliegie; tuttavia, questo approccio è caratterizzato da costi elevati, inefficienza e difficoltà nel garantire la qualità dei frutti, dando così origine a notevoli problemi durante la commercializzazione.
Di conseguenza, il progresso dei macchinari per la calibratura automatica sta diventando di alto interesse. In base ai vari stadi di maturazione, la colorazione delle ciliegie viene classificata in tre livelli distinti. Per garantire che le ciliegie mantengano la loro consistenza croccante e l'elevata durezza anche dopo diversi giorni di imballaggio e trasporto, è necessario raccoglierle e selezionarle prima della fase di maturazione caratterizzata da un colore rosso intenso.
In questo modo si garantisce che i prodotti commercializzati siano di alta qualità. Attualmente, durante la fase di calibratura si è soliti dividere il prodotto in quattro principali categorie: acerbo, maturo, sovra-maturo e danneggiato. Tuttavia, questa classificazione non è sufficientemente ampia e per migliorarla sono necessarie ulteriori ricerche e l'aggiunta di nuove categorie, come quelle dei frutti malati e dei semi-maturi.
Di conseguenza, determinare con precisione la maturità e il deterioramento delle ciliegie è fondamentale per la loro lavorazione. Grazie ai progressi tecnologici dell'intelligenza artificiale, le fotografie sono state utilizzate in numerosi studi per rilevare la qualità dell'aspetto dei frutti in modo non distruttivo.
Ad esempio, Swin Transformer è un modello di deep learning che, a differenza del suo predecessore Vision Transformer, è preciso ed efficiente e può fungere da base per un sistema di computer vision universale. Il lavoro condotto dai ricercatori degli istituti di ricerca di Xi’an (Cina) presenta un metodo basato su Swin Transformer per identificare la qualità delle ciliegie sulla base del loro aspetto esteriore.
Il metodo proposto estrae le informazioni sulle caratteristiche dalle immagini di ciliegie utilizzando lo Swin Transformer e successivamente carica tali informazioni nei classificatori, tra cui il perceptron multistrato (multi-layer perceptron, MLP) e la macchina vettoriale di supporto (support vector machine, SVM), ai fini della classificazione. In questo studio sono state analizzate 4669 foto scattate con un cellulare in un ceraseto cv. Tieton a frutti in diversi stadi di maturazione.
L'approccio mostra ottime prestazioni nel riconoscimento delle ciliegie. È notevole che il tempo di addestramento di Swin Transformer e della MLP sia stato di soli 78,43 secondi (quando in assenza di MLP il tempo di addestramento era di 551,24 secondi) e che la loro accuratezza di riconoscimento abbia raggiunto un picco del 98,5%.
Il metodo proposto possiede quindi una notevole utilità pratica. Inoltre, questo approccio vale come punto di riferimento anche quando si tratta di identificare il grado di maturazione di altre varietà. Infatti, per calibrare una differente varietà è sufficiente sostituire solamente il set di dati.
Pertanto, questo studio fornisce una soluzione adattabile e pratica al problema della calibratura delle cultivar di ciliegio. L'applicazione di questo metodo alle apparecchiature di calibrazione e ad altri dispositivi meccanici, per far progredire lo sviluppo di metodi di calibratura intelligenti, sarà l'obiettivo principale della ricerca futura.
Fonte: Song Ke, Yang Jiwen, Wang Guohui, A Swin transformer and MLP based method for identifying cherry ripeness and decay, Frontiers in Physics, vol.11, 2023, https://www.frontiersin.org/articles/10.3389/fphy.2023.1278898.
Melissa Venturi
Università di Bologna (IT)
25 giu 2024
Al 1° giugno, la produzione 2024 era stimata in 37.000 tonnellate con un aumento del 10% rispetto all'anno precedente e del 21% rispetto al raccolto medio dal 2019 al 2023. L'inizio della campagna è in linea con l'anno scorso, con il maltempo che ha ridotto l'offerta sul mercato.
28 nov 2023
Il raccolto totale di Tru-Cape è sceso da 520 tonnellate stimate a poco più di 400 tonnellate, a causa delle condizioni climatiche sfavorevoli, soprattutto durante la fioritura e l'allegagione, colpa anche di un'ondata di gelo a settembre che ha colpito diversi produttori.
09 nov 2026
Per acquistare ciliegie trasformate dal Cile, definisci prima della raccolta specifiche, calibro, Brix, requisiti microbiologici, imballaggio, Incoterm e finestra di spedizione: così riduci il rischio di ricevere un lotto inadatto e prepari la linea per la stagione.
09 nov 2026
Il freddo invernale influenza dormienza e fioritura dei piccoli frutti, ma ore di freddo, unità Utah e porzioni di freddo non sono equivalenti. Dalla vernalizzazione ai modelli di chilling e forcing, ecco come interpretare il freddo e verificare le previsioni in campo.
