Non ci sono prodotti a carrello.
In questo progetto vediamo come costruire un dispositivo che rileva le fasi di maturazione in base al colore con un modello di rete neurale. Man mano che frutta e verdura maturano, cambiano colore a causa delle quattro famiglie di pigmenti: clorofilla (verde), carotenoidi (giallo, rosso, arancione), flavonoidi (rosso, blu, viola), betalaine (rosso, giallo, viola).
Questi pigmenti sono gruppi di strutture molecolari che assorbono un insieme specifico di lunghezze d’onda e riflettono il resto. I frutti acerbi sono verdi a causa della clorofilla nelle loro cellule. Man mano che maturano, la clorofilla si scompone e viene sostituita da carotenoidi arancioni e antociani rossi. Questi composti sono antiossidanti che impediscono al frutto di deteriorarsi troppo rapidamente nell’aria.
Dopo aver svolto alcune ricerche sui processi di cambiamento del colore durante la maturazione di frutta e verdura, abbiamo deciso di costruire una rete neurale artificiale (ANN) basata sul modello di classificazione per interpretare il colore di frutta e verdura e prevedere le fasi di maturazione.
Prima di costruire e testare il modello di rete neurale, abbiamo sviluppato un’applicazione web in PHP (eseguita su un Raspberry Pi 3B+) per raccogliere i dati di colore generati dal sensore di luce visibile AS7341 e creare un set di dati sulle fasi di maturazione. Abbiamo utilizzato un Arduino Nano 33 IoT per inviare i dati prodotti all’applicazione web.
Dopo aver completato il set di dati, abbiamo costruito la rete neurale artificiale (ANN) con TensorFlow.
