Confornto tra differenti metodologie di stima della compattezza del grappolo

Bunch compactness (BC) is a key target for wine sector because it affects disease susceptibility, berry ripening and other grapes characteristics. The most common method to estimate BC is the O.I.V. descriptor 204: manual and subjective. Objective and automated methods are based on indices, using different relations between bunch components assessed manually or automatically image analysis software (as example: BW ¬¿ weight; BV ¿ volume; ML ¿ maximum length; A ¿ area; MVO ¿ morphological volume; V1, V2, V3 ¿ derived volumes; BN ¿ berries number). All these variables are significantly and positively correlated between each other: the highest Pearson correlation coefficient between BW and BV (r = 0.99) followed by BW and A (r = 0.95). Fourteen compactness indices (CI) were tested (9 published and 5 created) on 61 Syrah bunches. These indexes were then correlated with the mode of the O.I.V. descriptor 204, where 11 were positively correlated and three are negatively correlated (CI-3, CI-3a, CSF). The index Ci-10a, which relates bunch weight and maximum length, was the most suitable one to define BC. In the frame of the EU VINBOT project, to improve BW estimation finding the best explanatory variables, a stepwise regression analysis between BW and the variables considered easy to extract by automated image analysis (A1 ¿ area, V3 ¿ volume 3, BN ¿ berries number and CI-10a as index) was performed. The variable which explained best BW was A1 (partial R2 = 0.905), followed by CI-10a and V3 with a much smaller contribution (partial R2 <0.06 and partial R2<0.007, respectively). The variable BN was not selected by the model. The present results show that BC can be estimated in an objective and automatic way using image analysis. Furthermore, such estimations can enhance BW prediction by using BC as one of the explanatory variables which can potentially improve automatic yield estimation methodologies.

La compattezza dei grappoli (BC) è un obiettivo fondamentale per il settore vitivinicolo in quanto incide sulla suscettibilità alle malattie, sulla maturazione delle bacche e su altre caratteristiche dell'uva. Il metodo più comune per stimare BC è il descrittore O.I.V. 204: manuale e soggettivo. Metodi oggettivi e automatizzati si basano su indici, utilizzando diverse relazioni tra componenti del grappolo valutate manualmente o automaticamente con software di analisi delle immagini (ad esempio: BW ¿ peso; BV ¿ volume; ML ¿ lunghezza massima; A ¿ superficie; MVO ¿ volume morfologico; V1, V2, V3 ¿ volumi derivati; BN ¿ numero di bacche). Tutte queste variabili sono significativamente e positivamente correlate tra loro: il più alto coefficiente di correlazione di Pearson tra BW e BV (r = 0,99) seguito da BW e A (r = 0,95). Quattordici indici di compattezza (CI) sono stati testati (9 pubblicati e 5 creati) su 61 grappoli di Syrah. Questi indici sono stati poi correlati con la moda del descrittore O.I.V. 204, dove 11 sono stati correlati positivamente e tre sono stati correlati negativamente (CI-3, CI-3a, CSF). L'indice Ci-10a, che riguarda il peso del grappolo e la lunghezza massima, è stato il più adatto a definire BC. Nell'ambito del progetto EU VINBOT, per migliorare la stima BW trovare le migliori variabili esplicative, un'analisi di regressione multipla tra BW e le variabili considerate facile da estrarre per analisi di immagine automatizzata (A1 ¿ area, V3 ¿ volume 3, BN ¿ numero di bacche e CI-10a come indice) è stato eseguito. La variabile che spiegava meglio BW era A1 (R2 parziale = 0,905), seguita da CI-10a e V3 con un contributo molto inferiore (R2 parziale 0,06 e R20,007 parziale, rispettivamente). La variabile BN non è stata selezionata dal modello. I risultati attuali mostrano che BC può essere stimato in modo obiettivo e automatico tramite l'analisi delle immagini. Inoltre, tali stime possono migliorare la previsione della BW utilizzando BC come una delle variabili esplicative che possono potenzialmente migliorare le metodologie automatiche di stima del rendimento.