Scienze Scienze Riccardo Oldani

Selezionare l’uva con il deep learning

Selezionare l’uva con il deep learning

Dalle uve che provengono in cassetta dal vigneto dipende in massima parte la qualità del vino. La cernita iniziale assume quindi un’importanza fondamentale. La Oròbix, un’azienda di Bergamo, specializzata in soluzioni per il manifatturiero, ha messo a punto un sistema di intelligenza artificiale di deep learning che si sostituisce con maggiore precisione al controllo manuale.

Supponiamo di essere a fine agosto o agli inizi di settembre, nel pieno della vendemmia. Le cassette ricolme di uva arrivano in gran quantità dai vigneti di proprietà e dai conferitori. È il momento più delicato dell’anno, quando i grappoli arrivano in Cantina e devono essere avviati alle pigia-diraspatrici seguendo diverse linee di produzione. I frutti più sani e vigorosi sono destinati ai prodotti premium, quelli danneggiati devono essere scartati. A fare la selezione, però, non sono persone, ma un occhio elettronico, che fotografa dall’alto le cassette e le sottopone a un sistema di intelligenza artificiale, allenato per effettuare con precisione la cernita attraverso tecniche di deep learning, o apprendimento profondo.

Soluzione premiata

Quella che descriviamo non è una soluzione di fantasia, ma realmente esistente e funzionante, sviluppata da Oròbix, un’azienda di Bergamo specializzata in soluzioni di intelligenza artificiale per il manufatturiero. Una startup del gruppo, Oròbix Life, l’ha adattata alle esigenze dell’agrifood, e della cernita delle uve in particolare. La prima azienda ad adottarla è stata il Gruppo Lunelli per le sue Cantine Ferrari e, in particolare, per la produzione dello spumante Ferrari Trentodoc. Lo scorso autunno, la soluzione è stata anche premiata con il Premio Innovazione di Smau, la fiera milanese dell’innovazione d’impresa.

Tracciare il prodotto

Di che cosa si tratta? Ce lo spiega Alessandro Chiarini, AI business developer di Oròbix Life.
«Questa applicazione», dice, «è un progetto di “smart farming”, che utilizza le immagini provenienti da un sistema di visione installato all’ingresso della cantina di conferimento uve per rilevare quelle di minor qualità, con difetti che possono dipendere dalla presenza di marciume, da parti danneggiate da eventi meteorologici, dalla presenza di rami, foglie e insetti per ottimizzare il processo di controllo qualità e concorrere alla completa tracciatura del prodotto».

Immagini di cassette d’uva conferite per la pigiatura, a sinistra, confrontate con le valutazioni effettuate dall’intelligenza artificiale nel sistema sviluppato da Oròbix Life (a destra)

Deep learning, l’apprendimento profondo

Il funzionamento del sistema si basa sull’acquisizione di immagini che si caricano sulla suite AI-go Studio, sviluppata da Oròbix, dove avviene il vero e proprio processo di “deep learning”, di apprendimento profondo. Il modello di classificazione delle uve viene “allenato” per riconoscere diverse classi di qualità preimpostate sulla base di alcune regole, che vengono definite dall’utilizzatore. In una trentina di minuti i modelli sono già pronti per essere utilizzati nella selezione delle uve, ma si migliorano continuamente. Soprattutto, a differenza di alcuni sistemi di intelligenza artificiale che rendono impossibile la ricostruzione del processo decisionale seguito, quello di Oròbix consente di ricostruire il percorso di classificazione, spiegare il risultato ottenuto e confrontarlo con altri.

Necessità tecnica e culturale

Perché possono essere utili soluzioni di questo tipo per un produttore di vino? È sempre Chiarini a spiegarlo.
«Il nostro sistema introduce obiettività e tempestività nella valutazione della qualità dell’uva, in linea con l’obiettivo di controllare il prodotto durante tutto il processo di lavorazione, dall’uva alla bottiglia, e di mantenere o migliorarne la qualità anche a fronte di situazioni non prevedibili come gli effetti del cambiamento climatico e l’emergere in un mercato sempre più competitivo ed esigente. Risponde a una necessità che per le Cantine non è soltanto tecnica, ma anche culturale; accresce infatti la conoscenza del prodotto, nell’ottica del miglioramento continuo, della riduzione dei costi e di una produzione sempre più sostenibile».

Foto di apertura: l’esame di una cassetta di uva effettuato con il sistema di deep learning sviluppato da Oròbix Life e utilizzato dal Gruppo Lunelli

Tag: , ,

© Riproduzione riservata - 13/06/2022

Leggi anche ...

Escafix, una startup per combattere il mal dell’esca
Scienze
Escafix, una startup per combattere il mal dell’esca

Leggi tutto

Vini low e no alcol. Non chiamateli vinelli
Premium
Vini low e no alcol. Non chiamateli vinelli

Leggi tutto

Simbiosi, un modello da seguire per l’agroalimentare
Scienze
Simbiosi, un modello da seguire per l’agroalimentare

Leggi tutto