di Michela Palumbo
La qualità è un fattore chiave nel settore dell’ortofrutta. Strettamente legata al grado di maturazione del prodotto, essa è definita dalla combinazione di attributi fisici e chimici che ne determinano l’accettabilità da parte dei consumatori.
Controllare la qualità e valutare caratteristiche nutrizionali e organolettiche dei prodotti ortofrutticoli lungo tutta la filiera è sempre più importante per soddisfare le esigenze dei consumatori sempre più esigenti e attenti a questi aspetti.
La valutazione della qualità di frutta e ortaggi di I e IV Gamma comporta normalmente l’utilizzo di tecniche analitiche (analisi sensoriali e metodi distruttivi) che richiedono lunghi tempi di analisi, reagenti costosi (e spesso anche inquinanti), competenze specifiche e l’uso di apparecchiature costose e sofisticate, non idonee per applicazioni industriali di controllo qualità che, al contrario, richiedono rapidità, affidabilità, accuratezza e sostenibilità.
Il controllo della qualità in maniera non distruttiva rappresenta invece un valido strumento per monitorare prodotti ortofrutticoli di I e IV Gamma lungo tutta la filiera, sia in fase di raccolta che durante la catena del freddo.
Tra le diverse tecnologie non distruttive, l’analisi d’immagine digitale può rappresentare un valido strumento per standardizzare e rendere oggettivo, rapido ed accurato il controllo qualità del prodotto, dalla produzione al consumatore finale.
Cos’è l’analisi d’immagine digitale?
L’analisi d’immagine digitale rappresenta una tecnologia non distruttiva e senza contatto adatta alla classificazione e valutazione qualitativa di prodotti ortofrutticoli. Essa, integrando avanzate tecnologie di visione e di intelligenza artificiale, è in grado di stimare parametri utili alla valutazione della qualità di prodotti ortofrutticoli sia alla raccolta che durante la catena del freddo.
L’acquisizione delle immagini avviene utilizzando fotocamere digitali in RGB (che operano in lunghezze d’onda sensibili all’occhio umano), disponibili sul mercato a prezzi accessibili, e un sistema appropriato di illuminazione. Un PC elabora le immagini acquisite con specifici software per estrarre le informazioni visive più rilevanti (colore, forma, presenza di difetti) correlabili alla qualità del prodotto. Queste informazioni sono usate per costruire modelli predittivi utilizzati per classificazione, valutazione qualitativa e rilevamento dei difetti esterni. L’integrazione di metodologie di intelligenza artificiale e machine learning aumenta l’efficienza dell’analisi d’immagine digitale semplificando progettazione, sviluppo e messa a punto di “sistemi di visione intelligenti”.
Parametri valutati e applicazioni sperimentali
L’analisi d’immagine digitale attraverso sistemi di visione intelligenti è capace di fornire una valutazione automatica, precisa, rapida, non distruttiva e senza contatto del livello qualitativo (inteso come grado di freschezza) e dei difetti esterni di frutta e ortaggi.
Oltre a valutare i tratti morfologici visibili, i sistemi di visione intelligenti sono in grado di determinare alcune caratteristiche interne legate alla qualità nutrizionale, misurando variazioni di colore che si manifestano durante la conservazione del prodotto a causa di processi fisiologici che ne riducono la vita commerciale. Ad esempio, essi possono valutare valori nutrizionali, tempo di conservazione, livello di imbrunimento, contenuto in ammonio, indicatori di senescenza e maturazione del prodotto ortofrutticolo (tutti parametri utili lungo l’intera filiera).
Inoltre, i sistemi di visione intelligente possono analizzare la qualità dei prodotti ortofrutticoli freschi pronti all’uso (IV Gamma) direttamente attraverso il materiale di confezionamento con prestazioni simili a quelle su prodotto non confezionato: un robusto sistema di segmentazione dell’immagine identifica le aree nelle quali il prodotto è ben visibile e da cui estrae le informazioni necessarie per la valutazione qualitativa.
L’analisi di immagine digitale con sistema di visione intelligente è stata validata sperimentalmente su diverse tipologie di prodotti di I e di IV gamma (lattuga, radicchio, nettarine, carote, uva da tavola, fragola e rucola), con e senza packaging, per definirne il grado di freschezza durante la conservazione e stimare alcuni parametri biochimici intrinseci, marker oggettivi della qualità del prodotto. Tali attività di ricerca sono state condotte nell’ambito del progetto ‘Sustaining Low-impact Practices in Horticulture through Non-destructive Approach to Provide More Information on Fresh Produce History & Quality (SUS&LOW)’, finanziato dal MUR-PRIN 2017, grazie ad una brillante collaborazione tutta Pugliese tra l’Università di Foggia, l’Istituto di Scienze delle Produzioni Alimentari del CNR, e l’Istituto di Sistemi e Tecnologie Industriali Intelligenti per il Manifatturiero Avanzato del CNR.
Settori applicativi
L’analisi d’immagine digitale con sistemi di visione intelligenti può offrire il controllo oggettivo della qualità dei prodotti lungo l’intera catena logistica, dai produttori ai consumatori finali. Può permettere una maggiore soddisfazione del consumatore finale al momento dell’acquisto, unitamente alla riduzione delle perdite e degli sprechi alimentari.
Nel caso di prodotti di IV Gamma, i sistemi di visione intelligente possono essere impiegati nelle piattaforme logistiche dalla GDO per valutare la qualità in ingresso di prodotti ortofrutticoli e per una ottimale gestione delle scorte, permettendo di conoscere in anticipo la shelf-life potenziale del prodotto e di fornire elementi utili alla organizzazione del magazzino e allo sviluppo di politiche di marketing e vendita (es. promozioni). Inoltre, possono supportare nuove strategie di marketing che promuovano le scelte dei consumatori attraverso la presenza di un sistema di visione intelligente nel punto vendita, che potrebbe fornire ulteriori informazioni qualitative e nutrizionali costantemente aggiornate, contribuendo al miglioramento della comunicazione della qualità e sicurezza dei prodotti ortofrutticoli verso il consumatore, favorendone la fidelizzazione.
Dove non arriva attualmente l’informazione su una busta di insalata pronta all’uso, potrebbe invece arrivare un lettore di immagini digitali, posto in un angolo del punto vendita, dove posizionare il prodotto e leggere informazioni sulla qualità e freschezza del prodotto utili al consumatore in tempo reale. In questo modo “non è più l’imballaggio, ma è il prodotto che comunica”.
Vantaggi, sfide e limitazioni
I sistemi di visione intelligente, mediante l’integrazione dell’intelligenza artificiale, permettono di minimizzare l’intervento di un operatore esterno nelle fasi di progettazione, configurazione ed avvio. Sono sistemi scalabili e applicabili a molte tipologie di prodotti attraverso l’addestramento dei modelli predittivi su nuovi esempi senza intervenire sulla architettura del sistema. Sono versatili, resistenti e facilmente trasportabili, di facile installazione nei diversi ambienti lavorativi della filiera (laboratorio, magazzino, rivendita al dettaglio, etc.).
Inoltre, potrebbero essere sistemi integrabili con altri sistemi software normalmente utilizzati per la gestione logistica delle piattaforme logistiche e di distribuzione. L’applicazione di sistemi di visione intelligenti al settore ortofrutticolo non comporta particolari criticità, trattandosi di una tecnologia che consente la valutazione della shelf-life dei prodotti in maniera riproducibile, oggettiva, automatica ed economica, con tempi di esecuzione nell’ordine dei millisecondi.
Naturalmente, l’innovazione tecnologica ha un costo sia per la ricerca sia per l’implementazione nei processi produttivi e il costo iniziale per l’integrazione di un sistema di visione intelligente sulle linee di lavorazione o nei punti vendita potrebbe costituire un ostacolo. Tuttavia, spesso l’innovazione attrae produttori e consumatori che sono disposti a spendere di più soprattutto per quei prodotti ad alto contenuto in servizio, come quelli di IV Gamma, rendendo queste tecnologie promettenti per il potenziale sviluppo del settore del postraccolta.
michela.palumbo@unifg.it
Nella foto di apertura: l’autrice dell’articolo.
Anche questo tema sarà al centro di una sessione di FRESH-CUT 2024, the International Conference on Fresh-cut Produce (www.unifg.it/freshcut.2024), di cui Fresh Cut News è media partner: sotto un video dedicato all’evento con la nuova deadline per gli abstract.
