Riassunto analitico
La scelta del momento idoneo per l’inizio della vendemmia è fortemente legata alla determinazione del grado di maturità dell’uva. Solitamente viene presa in considerazione la maturità tecnologica, che si basa sul rapporto tra zuccheri ed acidi organici nel frutto. Tuttavia, nelle cultivar a bacca colorata riveste un ruolo molto importante anche il raggiungimento della maturazione fenolica, che dipende dalla concentrazione di sostanze polifenoliche come ad esempio gli antociani, i pigmenti responsabili della colorazione rosso-violacea degli acini maturi. Inoltre, queste sostanze sono anche le principali responsabili delle caratteristiche cromatiche del vino. La valutazione della maturità fenolica viene effettuata determinando una serie di parametri chimico-fisici, tra cui indice di colore e concentrazione totale di antociani, utilizzando analisi di laboratorio che richiedono l’impiego di strumentazioni dedicate da parte di personale esperto, e che non possono essere svolte direttamente in vigneto. Il presente lavoro di tesi si inserisce nell’ambito delle moderne tecnologie di imaging (o computer vision), più in particolare nello sviluppo di una metodica innovativa basata sull’analisi multivariata di immagini digitali di acini d’uva per la predizione dei parametri analitici relativi alla maturazione fenolica dell’uva. Tale metodo permette di effettuare l’analisi in maniera rapida, non distruttiva e a costo ridotto rispetto alle tecniche analitiche tradizionali. Per il presente studio sono state considerati due vitigni di Lambrusco, Ancellotta e Salamino, ed i campioni di acini d’uva sono stati raccolti in periodi differenti, da inizio invaiatura a fine maturazione, nelle due annate 2016 e 2017. Le immagini dei campioni d’uva sono state ottenute mediante un dispositivo sviluppato ad hoc, che permette di acquisire immagini in condizioni di illuminazione controllata utilizzando un comune smartphone. Per prima cosa, al fine di utilizzare un sistema di acquisizione di immagini a fini analitici, è necessario ricorrere ad opportuni metodi di standardizzazione delle immagini per minimizzare eventuali variazioni dovute a differenze nelle condizioni di illuminazione che possono verificarsi durante l’impiego del dispositivo in diverse sessioni di acquisizione ed in diversi anni di vendemmia. In particolare, nell’ambito della presente tesi di laurea, l’attenzione è stata prevalentemente focalizzata sulla valutazione delle performance dei metodi di standardizzazione esistenti, nonché sullo sviluppo e l’applicazione al dataset di immagini di nuovi algoritmi, al fine di ottimizzare la procedura di standardizzazione. Tra le diverse metodologie di standardizzazione, i risultati migliori sono stati ottenuti utilizzando un algoritmo sviluppato appositamente per questa applicazione basato sulla Colour Correction Matrix (CCM), che permette di corregge le immagini considerando contemporaneamente l’informazione contenuta in tutti e tre i canali RGB. Successivamente, le immagini corrette sono state convertite in segnali chiamati colorigrammi, che riassumono tutte le informazioni relative al colore presenti nell’immagine originale, codificandole in maniera oggettiva a partire dai valori RGB di ciascun pixel. A partire da questi segnali sono stati costruiti dei modelli di regressione multivariata mediante l’algoritmo Partial Least Squares (PLS) per mettere in relazione il colore dei campioni di acini d’uva con i parametri analitici legati alla maturità fenolica.
|