Posizionamento dei frutti utilizzando tecniche di visione artificiale con reti neurali = Positioning of fruits Using Computer Vision Techniques with Neural Networks

Questa tesi presenta lo sviluppo di un sistema di visione automatizzato progettato per localizzare il picciolo di un'arancia all'interno di uno spazio definito. Il sistema interagisce con un microcontrollore per controllare i motori, permettendo il posizionamento preciso del picciolo dell'arancia. Questo lavoro affronta le sfide dell'industria commerciale della pelatura della frutta, dove il posizionamento del frutto prima della lavorazione viene tipicamente eseguito manualmente. Automatizzare questo processo può migliorare notevolmente l'efficienza e la coerenza, riducendo al contempo i costi del lavoro e minimizzando gli errori. Il focus è posto sull'aspetto software del sistema di visione, includendo un'analisi approfondita e il confronto di diversi metodi, come le tecniche tradizionali di visione artificiale e le reti neurali avanzate come YOLO e TensorFlow per il rilevamento degli oggetti. L'obiettivo è sviluppare un sistema in grado di rilevare e localizzare accuratamente il picciolo di un'arancia in tempo reale. L'analisi valuta i diversi modelli in termini di accuratezza, velocità ed efficienza computazionale, con particolare attenzione all'ottimizzazione per l'uso su dispositivi con risorse computazionali limitate, come il Raspberry Pi e schede FPGA dedicate. L'obiettivo finale è creare un sistema di visione robusto ed efficiente che possa essere integrato senza soluzione di continuità nelle macchine automatizzate per la lavorazione della frutta, riducendo la necessità di intervento manuale e migliorando significativamente l'efficienza complessiva del processo.nto dell'arancia mediante tecniche di Computer Vision usando Reti Neurali.