AgriTech Computer Vision Image Processing Inest 2025

Conteggio
Grappoli AI

Tecnologia batch di computer vision per il conteggio automatico dei grappoli d'uva e la stima della produzione nei vigneti — precisione senza precedenti per la pianificazione del raccolto.

Vigneto Intelligente

Il conteggio manuale dei grappoli è un'operazione lenta, costosa e soggetta a errori. Le stime di produzione imprecise portano a decisioni sbagliate su raccolta, stoccaggio e commercializzazione.

Il progetto Inest 2024/2025 sviluppa un sistema di computer vision batch: fotogrammi acquisiti da camera standard vengono analizzati da una pipeline AI che individua, conta e stima il peso dei grappoli per ogni filare del vigneto.

Il tutto elaborabile su hardware consumer, con output georeferenziato integrato nelle mappe di vigna per la gestione di precisione.

Programma
Inest 2024 / 2025
Tipo
Computer Vision Batch
Input
Immagini RGB standard
Output
Conteggio · Stima Peso
Pipeline AI

Come Funziona

01

Acquisizione Immagini

Fotogrammi RGB acquisiti da camera standard montata su drone o veicolo autonomo a bassa quota. Risoluzione minima 12MP. Copertura GPS per georeferenziazione automatica di ogni immagine.

02

Pre-processing & Segmentazione

Correzione colore, bilanciamento del bianco e normalizzazione dell'esposizione. Segmentazione semantica per separare fogliame, tralci e grappoli. Ritaglio automatico delle region of interest per ogni filare.

03

Rilevamento & Conteggio

Modello YOLO v8 fine-tuned su dataset proprietario di oltre 12.000 immagini annotate di grappoli in diverse condizioni di luce e maturazione. Conteggio con bounding box e confidence score per ogni grappolo rilevato.

04

Stima Produzione & Report

Regressione statistica per stimare il peso medio per grappolo basata su dimensione apparente e cultivar. Output: mappa di produzione georeferenziata, conteggio per filare, stima tonnellate totali con intervallo di confidenza.

Risultati

Precisione Dimostrata

94%
Accuratezza nel conteggio grappoli
12k+
Immagini nel dataset di training
-80%
Tempo rispetto al conteggio manuale
±5%
Errore nella stima del peso
Stack Tecnologico

Tecnologie Utilizzate

Python PyTorch YOLO v8 OpenCV Albumentations CVAT NumPy Pandas GDAL GeoPandas FastAPI CUDA

Hai una sfida AgriTech?

Contattami