Sistema per l’ispezione automatica di prodotti da forno basato sull’integrazione di immagini multispettrali e modelli 3D

Oggigiorno, sempre maggiore attenzione è posta dai consumatori verso prodotti agricoli ed alimentari che rispondano a determinati requisiti di qualità. Considerando le attività produttive alimentari, dunque, molti sforzi sono volti allo sviluppo di nuovi metodi per la verifica della rispondenza tra parametri qualitativi ottenuti e quelli attesi. Queste attività ispettive, infatti, vengono ancora spesso demandate ad operatori, soffrendo di alcune criticità come la lentezza, la laboriosità e la necessità, nella maggior parte situazioni, di un contatto fisico tra l’operatore e il prodotto analizzato. Questi aspetti possono minare l’economicità, l’estensività e, talvolta, la buona riuscita stessa di queste operazioni. Sistemi Non Distruttivi (SND), o in inglese Non-Destructive Systems (NDS), permettono di superare tali limitazioni. Si tratta di processi automatici o semi-automatici utilizzati per l’ispezione, i quali possono fornire un gran numero di informazioni riguardo i prodotti analizzati. Nel contesto dell’industria per la produzione di prodotti dolciari da forno da ricorrenza, tali sistemi risultano particolarmente utili in quanto la produzione è solitamente caratterizzata da alti volumi in periodi di tempo limitati e, in aggiunta, si tratta di prodotti verso cui l’attenzione del consumatore è particolarmente elevata. L’obiettivo del presente lavoro di tesi è la valutazione dell’efficacia di un sistema in-novativo non distruttivo per l’ispezione di tali prodotti, al fine di individuare difetti morfologici di produzione. In questo lavoro, sono state considerate 3 classi di prodotto: I scelta, II scelta e non conforme. Inoltre, sono state investigate in modo preliminare anche le potenzialità del sistema nell’individuazione di difetti cromatici legati ad un processo di cottura non ottimale. Il sistema oggetto di studio è composto da una componente hardware, basata sull’uso combinato di un sensore di profondità e di una camera multispettrale per l’acquisizione di dati dei prodotti da forno, ed una software dedicato all’elaborazione dei dati per ricavare opportuni indici per la valutazione morfologica e cromatica dei prodotti. Il sistema di acquisizione fornisce due tipologie di dati in riferimento ad un campione analizzato: un modello tridimensionale, nel formato di nuvola di punti con coordinate cromatiche RGB, ed una immagine multispettrale a 9 livelli (layers). Al fine di discriminare in modo opportuno prodotti contraddistinti da caratteristiche morfologiche non adeguate, è stata definita una serie di descrittori composta da 8 indici. Sfruttando gli indici così definiti, sono state valutate le performance di una famiglia di algoritmi di classificazione basati sul noto metodo del k-maen, al fine di individuarne l’ottimo. Infatti, i risultati hanno permesso di identificare gli indici più utili ad estrarre informazioni di valore dal dataset eterogeneo e articolato in esame. L’algoritmo di classificazione ottimo è risultato efficace nel discriminare in modo opportuno i prodotti a seconda della categoria definita, con una accuratezza dell’83% ed un errore di sottostima dei difetti minore del 4%. L’errore di sovrastima del difetto si assesta al 12%. Ad ogni modo, il sistema risulta intrinsecamente sicuro in quanto non classifica un prodotto non idoneo come conforme ai requisiti aziendali. Una verifica da parte di un operatore dei soli prodotti segnalati potrà, eventualmente, consentire di correggere la sovrastima del difetto.