TECNICHE DI ZERO-SHOT OBJECT DETECTION E VISUAL PROMPTING PER LA RILEVAZIONE E LA SEGMENTAZIONE DI FRUTTI IN AGRICOLTURA DI PRECISIONE

Questo lavoro di tesi analizza l'impiego di tecniche di Zero-Shot Object Detection e Instance Segmentation basate su modelli YOLO (YOLO-World e YOLOE-26x) per l'individuazione e la segmentazione automatica di pomodori in ambienti in serra. Lo studio confronta strategie di prompting testuale e visual prompting, ottimizzando i parametri di Confidenza e Intersection over Union (IoU) con filtraggio NMS per gestire le criticità tipiche del contesto agricolo (mimetismo cromatico, varietà di forma e di grandezza). Le annotazioni generate su un dataset di 1405 immagini sono state integrate in Label Studio e valutate tramite metriche standard di Precision, Recall, F1-score, mAP, dimostrando l'efficacia del visual prompting nell'etichettatura automatica e accurata dei dati.