Olive da tavola, tecnologie smart e IA per la selezione in campo

I cambiamenti climatici in atto pongono il settore olivicolo di fronte a nuove sfide, per affrontare le quali serve una prospettiva nuova, in grado di individuare ed attuare forme innovative di interventi lungo tutta la filiera, sia per l’olio extravergine di oliva che per le olive da tavola. Un settore quest’ultimo che, preso atto dei prezzi alle stelle per l’olio di oliva prospettato per la campagna in corso, si può considerare di prospettiva, registrandosi sul mercato mondiale una produzione, che oscilla su tre milioni di tonnellate, triplicata negli ultimi trent’anni, anche se non per l’Italia. Si registra quindi una linea di tendenza in crescita, anche per quanto riguarda i consumi, grazie soprattutto alla diffusione delle conoscenze relative agli aspetti salutistici legati alla cucina mediterranea.

A seconda della provenienza geografica, varietà, grado di maturazione, ecc., le drupe sono sottoposte ad una serie di processi che differiscono notevolmente tra di loro. Le olive verdi, su cui si focalizza la nostra ricerca, vengono ad esempio lavorate in due modalità principali:

1. con fermentazione (tipo sivigliano o alla spagnola)
2. e senza fermentazione (tipo picholine o americano).

Alcuni parametri come grado di maturazione, calibro e difetti ne definiscono poi la categoria commerciale, influenzando così la lavorazione e, di conseguenza, il prezzo del prodotto finale.

Selezione delle olive da tavola

Scegliere le drupe più adatte al mercato è un processo complesso che, ad oggi, si basa ancora molto su quella che è l’esperienza degli agricoltori, ai quali è demandato, tra l’altro, il compito di determinare il periodo ottimale per la raccolta, o la modalità di esecuzione della stessa più idonea a ridurne i danni nella fase di campo.

Nel post-raccolta

Nel post-raccolta, il monitoraggio si effettua tramite costose analisi distruttive o il ricorso ai più innovativi sistemi di visione artificiale, su cui sono basate le selezionatrici ottiche.

Se esaminiamo alcuni elementi discriminanti che caratterizzano una oliva da tavola di qualità, tra quelli di più difficile categorizzazione annoveriamo il colore e i difetti.

Il colore è determinato ancora oggi secondo classi stabilite ormai da diversi anni (indici di maturazione) che considerano la percentuale di colore verde, giallo, viola e nero sul frutto; ma quando si effettua la selezione, manuale o automatizzata, il margine di errore è a volte elevato.

I difetti invece, causati da agenti biotici o condizioni climatiche sfavorevoli, a cui si possono sommare quelli derivanti dalla tipologia di raccolta, determinano processi di ossidazione con imbrunimento nella zona colpita.

Nella fase di campo

Negli ultimi anni, occorre sottolinearlo, l’industria ha fatto registrare notevoli passi in avanti nel settore della selezione automatica in post raccolta, ma una sfida parallela si apre per la cernita nella fase di campo, dove si registrano i primi approcci in merito, tramite l’applicazione dei sistemi di visione artificiale applicati a piattaforme elevatrici o su droni.

Grazie a queste nuove tecnologie, sempre più funzionali ed intelligenti, o semplicemente smart, che sono in grado di accompagnare gli agricoltori a prendere decisioni in maniera sempre più efficace, sono ulteriori le prospettive che si aprono per il futuro del comparto. A cui si aggiunge a pieno titolo l’intelligenza artificiale, che attraverso algoritmi di apprendimento in grado di fare previsioni, può contribuire ad una migliore precisione con relativa ottimizzazione dei risultati.

La ricerca

La presente ricerca, si è prefissata di sviluppare un sistema software basato su tecniche di Intelligenza Artificiale (IA) a supporto di agricoltori e tecnici, attraverso il quale “classificare” alcuni parametri esterni come

• grado di maturazione,
• dimensione
• e danni da urti,

evitando strumenti costosi o procedure manuali di scarsa precisione. Il software sfrutta le capacità avanzate proprie delle tecniche di Computer Vision per

• l’elaborazione,
• l’analisi
• e l’interpretazione di dati e informazioni visive contenute nelle immagini dei prodotti raccolti.

Principio di funzionamento

La figura 1 (a, b, c) ritrae il dispositivo realizzato. Si tratta di un box portatile in PVC dal peso di 5 kg per l’acquisizione delle immagini direttamente in campo, rivestito con un tessuto plastico riflettente che lo isola dall’ illuminazione esterna. (…)

Leggi l’articolo completo su Olivo e Olio n. 6/2023

Dall’edicola digitale al perché abbonarsi