TECNICHE DI ANALISI DELLE IMMAGINI PER LA FENOTIPIZZAZIONE VEGETALE

Il fenotipo è, per definizione, l’insieme di tutte quelle caratteristiche manifestate da un essere vivente. Queste possono essere derivanti da molteplici fattori, che possono essere sia genetici che ambientali. In tanti ambiti della scienza, a partire chiaramente dalla biologia, l’individuazione di queste caratteristiche ha sempre aiutato lo studio e la comprensione degli esseri viventi, ma anche l’analisi del loro stato di salute, delle esperienze pregresse e molto altro. Chiaramente questi studi sono stati per secoli affidati alle capacità di osservazione di scienziati e studiosi, ma negli ultimi anni è stato possibile mettere a disposizione di questi ultimi dei mezzi per poter semplificare, ottimizzare e potenziare le proprie mansioni migliorando i risultati in termini di accuratezza e precisione: in questo scenario, l’Intelligenza Artificiale (IA) e la Computer Vision (CV), ricoprono al giorno d’oggi un ruolo di primo piano nell’ambito della ricerca scientifica. Grazie alla combinazione efficace di queste due discipline, è possibile studiare i fenotipi, individuarne altri magari passati inosservati, dividerli e catalogarli. Nello specifico, si può rendere necessario lo studio di piante attraverso delle caratteristiche salienti che possono essere le foglie, i frutti, i fiori o altri fenotipi. Questo può permettere, tra le altre cose, una stima della biomassa della pianta, o la risposta a determinate lunghezze d’onda, o ancora l’individuazione di specie particolarmente resistenti in determinati climi (ad esempio la misurazione quantitativa dello stress idrico di una pianta). Il primo passo verso uno studio di questo tipo tramite l’IA è l’individuazione e la generalizzazione di modelli che possano aiutare il computer a rappresentare un’immagine del soggetto da analizzare che possa essere quanto più efficace possibile. In questo elaborato di tesi, si affronterà principalmente una questione chiave relativa all’analisi di immagini raffiguranti piante di pomodoro, mediante l’uso di algoritmi di Computer Vision, ossia l’adeguata rappresentazione di tali immagini in modo che il computer possa elaborarle e interpretarle al meglio, al fine di ottenere una segmentazione dell’immagine (background-foreground) sufficientemente accurata. Questo obiettivo è stato perseguito mediante uno studio preliminare sugli spazi colore, ossia su diverse modalità di rappresentazione di un immagine digitale, seguito da un’analisi sperimentale volta a ricercare quale di essi (o quale componente di essi) potesse essere meglio utilizzato dall’elaboratore per segmentare la pianta in questione avvicinandosi quanto più possibile a delle maschere binarie realizzate manualmente ed utilizzate come riferimento. Infine si è effettuato un confronto qualitativo e quantitativo fra le maschere ottenute mediante il codice sviluppato nel corso del lavoro di tesi e quelle fornite nel dataset, proponendo anche possibili sviluppi rispetto al lavoro svolto ed eventuali applicazioni dello stesso.