Per il controllo delle malattie delle piante, una determinazione affidabile della causa o del tipo di patogeni è cruciale. Idealmente, i metodi diagnostici dovrebbero essere facili da applicare, fornire risultati rapidi e essere adatti per applicazioni ad alto throughput. L'obiettivo del progetto è sviluppare un sistema di classificazione automatizzato e non distruttivo per identificare le malattie nelle mele basato sull'analisi delle immagini iperspettrali. L'attenzione sarà incentrata su malattie e disturbi fisiologici che possono colpire le mele durante e dopo la raccolta o durante la conservazione.

La imaging iperspettrale cattura una varietà di bande spettrali, offrendo una rappresentazione più dettagliata rispetto alle classiche immagini RGB. Le immagini iperspettrali di frutti con diversi pattern di malattie vengono acquisite utilizzando telecamere iperspettrali con varie sensibilità (ad esempio, nell'intervallo da 350 nm a 2500 nm) in collaborazione con il Center for Sensing Solutions presso EURAC Research e l'azienda tecnologica MiCROTEC. Le inoculazioni vengono eseguite con isolati di funghi accuratamente determinati e caratterizzati che si verificano in Alto Adige, e lo sviluppo dei sintomi su ciascun frutto viene documentato nel tempo. I disturbi fisiologici devono essere indotti e validati attraverso condizioni di produzione specifiche e fattori di conservazione. Le serie di immagini mirano a dimostrare il concetto che l'imaging iperspettrale è adatto per rilevare malattie e disturbi nelle fasi iniziali e distinguere i singoli patogeni l'uno dall'altro.

I dataset ottenuti saranno utilizzati per addestrare un classificatore di immagini iperspettrali per la rilevazione di malattie nelle mele, poiché l'imaging iperspettrale richiede metodi di apprendimento profondo per estrarre informazioni spaziali e spettrali. Poiché la diagnosi di malattie e disturbi fisiologici è destinata anche agli utenti umani, questi dati saranno incorporati in un sistema di supporto decisionale per la diagnosi delle malattie post-raccolta delle mele. A tal fine, il sistema di supporto decisionale DSSApple, sviluppato in un progetto precedente, sarà ulteriormente potenziato. Oltre alle immagini iperspettrali, le diagnosi degli esperti saranno integrate nel sistema. In ultima analisi, il sistema dovrebbe essere in grado di fornire raccomandazioni specifiche per misure volte a ridurre le perdite e gli sprechi alimentari lungo le catene di produzione e distribuzione, promuovendo così percorsi di produzione sostenibili. Questo progetto getta le basi per lo sviluppo potenziale di sensori specifici che potrebbero essere utilizzati in robot di raccolta o macchine di selezione.