Un modello di IA mappa tronchi e tralci di vite in dormienza con un'IoU media dell'88,25%

Un sistema percettivo per la potatura invernale

Un gruppo di ingegneri agrari ha sviluppato la Dual-branch Transformer-Mamba Fusion Network, o DTMF, per separare tronchi e tralci destinati alla potatura da immagini complesse riprese all'aperto. La ricerca, pubblicata su Smart Agricultural Technology e descritta il 13 novembre, riguarda la visione artificiale nei vigneti durante la dormienza e non costituisce una macchina autonoma completa per la potatura.¹

La potatura invernale incide sulla crescita della vite, sulla produzione, sul vigore e sulla qualità dell'uva, ma in molte regioni continua a dipendere da squadre specializzate. Il lavoro può essere costoso, lento e difficile da uniformare nelle grandi proprietà, soprattutto quando manca manodopera. L'automazione potrebbe quindi acquisire valore commerciale se in futuro dimostrasse affidabilità nelle condizioni produttive.¹

DTMF affronta un requisito preliminare del taglio robotizzato: riconoscere la vite e i suoi tralci sottili tra fili di sostegno, terreno, erbe infestanti e altri elementi di disturbo visivo. I sistemi convenzionali di segmentazione possono perdere i contorni più minuti dei tralci anche quando rilevano la forma generale della pianta, rendendo particolarmente difficile seguirne senza interruzioni le sottili strutture legnose.¹

Doppia elaborazione e addestramento in fasi

La rete impiega due percorsi di elaborazione complementari. Un ramo basato su un vision transformer esamina l'intera scena e le relazioni tra parti lontane dell'immagine; un secondo ramo, che combina una trasformata wavelet discreta con moduli Mamba a spazio di stato, si concentra invece su texture, bordi, informazioni di frequenza e continuità delle strutture sottili. I due flussi restano separati per gran parte del calcolo e le loro previsioni vengono unite soltanto verso la fine.¹

Anche l'addestramento si articola in due fasi: quella iniziale privilegia la classificazione di base dei pixel, mentre la successiva attribuisce maggiore peso alla definizione dei contorni. Una funzione di perdita basata sui superpixel mira a mantenere i profili previsti allineati ai confini naturali degli oggetti.¹

Dataset e risultati comparativi

I ricercatori hanno utilizzato 2.150 immagini RGB ad alta risoluzione raccolte durante la dormienza invernale nello Xinjiang. Il materiale comprendeva 1.250 immagini acquisite nel novembre 2024 in un vigneto sperimentale della Shihezi University e 900 acquisite nel dicembre 2024 in un frutteto commerciale di Turpan. Ogni immagine è stata annotata manualmente a livello di pixel per distinguere tronchi e tralci.¹

Il dataset è stato suddiviso in 1.505 immagini per l'addestramento, 215 per la validazione e 430 per il test. L'aumento artificiale dei dati ha portato il set effettivo di addestramento a 4.515 immagini.¹

Sul set di test, il sistema DTMF completo ha registrato un'accuratezza media per pixel del 94,24% e un'intersezione media sull'unione, o IoU, dell'88,25%. Nei confronti riportati ha superato DeepLabV3, PSPNet, FCN, Segformer, U-Net e una U-Net basata su transformer.¹

Il vantaggio maggiore è emerso nella classe dei tralci, più difficile da riconoscere. DTMF ha raggiunto un'IoU dell'85,12% sui tralci, contro il 70,13% del migliore sistema di riferimento nella categoria, con uno scarto di 14,99 punti percentuali. L'IoU sui tronchi è stata dell'87,68%, sebbene per questa classe i modelli moderni concorrenti abbiano ottenuto risultati più vicini.¹

Verifiche dei componenti e dimostrazioni più ampie

Gli esperimenti di ablazione hanno indicato che la struttura con doppio encoder-decoder, il modulo di fusione wavelet-Mamba e la strategia di perdita in due fasi hanno contribuito alle prestazioni. Una versione dotata del solo ramo transformer ha prodotto un'IoU media del 71,98%, contro l'88,25% dell'architettura completa. In prove separate sul metodo di addestramento, la supervisione nella fase successiva e i vincoli basati sui superpixel hanno innalzato l'IoU sui tralci dal 74,33% all'85,12%.¹

Gli esempi presentati nello studio hanno mostrato, rispetto ai sistemi di confronto, meno segmenti di tralcio mancanti o interrotti su sfondi difficili, compresi fili e terreno irregolare. Le prove su immagini esterne di altre piante legnose hanno suggerito possibili applicazioni strutturali più ampie, ma gli autori le hanno considerate soltanto dimostrazioni, non una valutazione formale della capacità di generalizzare oltre i dati dei vigneti.¹

I limiti prima dell'impiego robotizzato

La segmentazione delle immagini rappresenta soltanto una parte della potatura robotizzata. Una macchina operativa dovrebbe anche ricostruire le viti in tre dimensioni, stabilire i punti di taglio, pianificare i movimenti e azionare in modo affidabile uno strumento da taglio nelle condizioni del vigneto. L'architettura parallela di DTMF richiede inoltre più risorse di calcolo, con possibili difficoltà per l'uso su hardware integrato nei robot agricoli.¹

Le evidenze sono limitate sul piano geografico e stagionale: tutte le immagini provengono da due località dello Xinjiang durante la dormienza invernale. Il modello non è stato convalidato in altre regioni viticole, con forme di allevamento differenti o nei vigneti estivi caratterizzati da una vegetazione fitta. Il dataset è stato suddiviso per immagine anziché per singola vite e i ricercatori non hanno riferito addestramenti ripetuti che mostrassero la variabilità tra diverse inizializzazioni casuali.¹

I valori pubblicati attestano quindi progressi nella percezione visiva, non la disponibilità per un impiego commerciale su vasta scala. Prima che l'approccio possa contribuire a una programmazione più stabile della manodopera o a una gestione più uniforme delle viti nei vigneti destinati a vino e altre bevande a base d'uva, serviranno versioni più veloci, verifiche più ampie e l'integrazione con le restanti funzioni robotiche.¹