polito.it
Politecnico di Torino (logo)

Classificazione automatica di piante sane o malate con uso di immagini = Automatic classification of healthy and diseased plants using images

Matteo Cerutti

Classificazione automatica di piante sane o malate con uso di immagini = Automatic classification of healthy and diseased plants using images.

Rel. Maurizio Morisio, Luca Ardito. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2021

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (5MB) | Preview
Abstract:

Nell'ambito della coltivazione di piante da frutteto, un fattore fondamentale per garantire un tasso positivo della propria produzione è quello riguardante la gestione delle malattie che possono colpire le piante e il tempestivo intervento per la cura o per il contenimento della stesse. Il lavoro di questa tesi ha l'obiettivo di identificare automaticamente eventuali piante con problematiche attraverso un modello predittivo in grado di analizzare immagini collezionate con riprese effettuate da droni, in modo da permettere un intervento anticipato e mirato sulle piante individuate come possibilmente alterate. In questo elaborato verranno analizzate le prime fasi del progetto a partire dal suo principio, durante il periodo 2020-2021. La prima fase è composta da un'analisi di mercato avente come obiettivo la ricerca di un drone adatto allo scopo del caso di studio, che quindi sia in grado di scattare immagini RGB di buona qualità e immagini multispettrali. Inoltre è stata effettuata una ricerca di un'applicazione di supporto utile alla definizione di piani di volo automatici, al fine di poter automatizzare la collezione delle immagini durante le riprese in campo aperto e garantire una costanza nelle inquadrature delle immagini scattate. Successivamente sono stati definiti i dettagli che riguardano le riprese effettuate durante il periodo fra maggio e luglio del 2021, descrivendo il repository in cui le immagini sono contenute, la sua struttura e i dati di supporto utili alla fase successiva di analisi delle immagini. Nell'elaborato vengono descritti gli script utili alla generazione di questi dati, fra cui le convenzioni che permettono di mappare le piante alle proprie immagini scattate durante differenti riprese, con lo scopo di poter tracciare una cronologia visiva della pianta. Un obiettivo ulteriore di questa fase è quello di poter replicare in futuro altre riprese nel modo più utile ai fini dell'analisi. La fase seguente tratta la parte di progetto riguardante l'analisi della immagini raccolte nelle riprese del 2021. Nell'elaborato, dopo la descrizione degli algoritmi scelti e la spiegazione delle motivazioni che hanno portato al loro utilizzo, vengono descritti i passaggi utili alla definizione dei modelli: il trattamento dei dati al fine di essere utilizzabili correttamente dagli algoritmi; la ricerca dei parametri migliori descriventi gli stessi; il training dei modelli, utilizzando i parametri migliori trovati; il test dei modelli risultanti, utilizzando il dataset di test estratto prima della fase di training. Nella conclusione dell'elaborato vengono analizzati i risultati ottenuti al fine di poter individuare eventuali possibili sviluppi e approcci futuri, al fine di migliorare gli algoritmi e di conseguenza i risultati, discutendo i valori delle metriche calcolate durante la fase di analisi delle immagini.

Relatori: Maurizio Morisio, Luca Ardito
Anno accademico: 2021/22
Tipo di pubblicazione: Elettronica
Numero di pagine: 60
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering)
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-32 - INGEGNERIA INFORMATICA
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/21200
Modifica (riservato agli operatori) Modifica (riservato agli operatori)