Advanced image segmentation for automatic estimation of exposed leaf area in vineyards

This thesis explores advanced image segmentation techniques for the automatic estimation of the Exposed Leaf Area (SFE) in vineyards. Accurate assessment of SFE is crucial for evaluating vineyard productivity and quality, yet manual estimations often suffer from subjectivity and inconsistency. To address this, the study develops a computer vision pipeline that employs both color-based segmentation and deep learning approaches, particularly leveraging the Segment Anything Model (SAM). The research compares the effectiveness of traditional HSV color space thresholding against SAM-based segmentation to determine their accuracy and robustness across different vineyard images. Results indicate that while color-based segmentation is effective for well-contrasted images, SAM demonstrates superior adaptability in complex scenarios. The findings contribute to enhancing automated vineyard evaluation, supporting precision agriculture efforts in viticulture.

Questa tesi esplora tecniche avanzate di segmentazione delle immagini per la stima automatica della Superficie Fogliare Esposta (SFE) nei vigneti. La valutazione accurata dell’SFE è fondamentale per analizzare la produttività e la qualità del vigneto, ma le stime manuali risultano spesso soggettive e incoerenti. Per superare queste limitazioni, lo studio sviluppa una pipeline di visione artificiale che utilizza sia la segmentazione basata sui colori sia approcci di deep learning, in particolare il Segment Anything Model (SAM). La ricerca confronta l'efficacia della sogliatura nello spazio colore HSV con la segmentazione basata su SAM, valutandone l'accuratezza e la robustezza in immagini di vigneti differenti. I risultati mostrano che mentre la segmentazione basata sul colore è efficace per immagini ben contrastate, SAM offre maggiore adattabilità in scenari complessi. Le conclusioni contribuiscono al miglioramento della valutazione automatizzata dei vigneti, supportando le pratiche di agricoltura di precisione nella viticoltura.