Riassunto analitico
La cimice asiatica (Halyomorpha halys) è un insetto alieno invasivo diffuso a livello globale che, negli ultimi decenni, ha causato ingenti danni economici a numerose piante da frutto, ortive e ornamentali. L’Italia è uno dei principali paesi europei per la produzione di pere e questa coltivazione è stata fortemente colpita da H. halys, specialmente in Emilia-Romagna, dove in alcuni casi l’incidenza dei danni alla raccolta ha superato il 50%. Le punture di H. halys che avvengono in prossimità della raccolta portano alla formazione di danni interni (es. suberificazioni, necrosi) non rilevabili ad occhio nudo.
Il presente lavoro di tesi è stato sviluppato nell’ambito del progetto europeo HALY.ID e propone di valutare le potenzialità dell’imaging iperspettrale nel vicino infrarosso per la visualizzazione di danni non rilevabili ad occhio nudo sulle pere causati dalle punture della cimice asiatica, al fine di implementare sistemi di cernita in post-raccolta.
A questo scopo sono state acquisite immagini iperspettrali nel vicino infrarosso (1156-1674 nm) di pere cv. Williams esposte a cimice asiatica e pere di controllo. Al fine di monitorare l’evoluzione dei danni nel tempo in condizioni di frigoconservazione, le acquisizioni sono state effettuate lo stesso giorno della raccolta ed in sette tempi successivi per un periodo di sei settimane.
Un’analisi preliminare delle immagini iperspettrali è stata effettuata mediante Principal Component Analysis (PCA) per visualizzare le differenze fra aree danneggiate ed aree sane. Tuttavia, l’identificazione di ROI (Regions of Interest) relative alle aree punte è risultata piuttosto difficile a causa dell’assenza di una separazione netta tra pixel delle zone danneggiate e pixel delle zone sane dei frutti.
Per superare questo limite e, allo stesso tempo, ridurre la dimensionalità del dataset, le immagini iperspettrali sono state convertite in segnali monodimensionali, detti iperspettrogrammi, ottenuti a partire da quantità calcolate mediante PCA che codificano le proprietà spaziali e spettrali delle immagini originali.
Al fine di identificare in modo automatizzato le features spaziali riconducibili alle punture, il dataset degli iperspettrogrammi è stato analizzato mediante l’algoritmo interval Partial Least Squares-Discriminant Analysis (iPLS-DA). Le variabili degli iperpettrogrammi così selezionate sono state ricostruite nel dominio originale delle immagini, permettendo l’identificazione automatica delle ROI corrispondenti alle aree punte da H. halys.
A partire dal lavoro sviluppato nella presente tesi sarà possibile creare un dataset di spettri rappresentativi delle aree punte e delle aree sane, in modo tale da calcolare modelli di classificazione pixel-level. Inoltre, attraverso l’applicazione di metodi per la selezione di variabili, sarà possibile identificare le regioni spettrali maggiormente informative, essenziali per la successiva implementazione di sistemi di cernita in post-raccolta basati su imaging multispettrale.
|
