Il progetto nasce da un consorzio italiano di pescatori che da anni lavora nel pieno rispetto dell’ecosistema marino. La loro missione è chiara: praticare pesca selettiva, garantendo la qualità del pescato e mantenendo intatto l’equilibrio delle acque in cui operano. Tuttavia, la selezione manuale delle specie è un processo lento, soggetto a errori e non sempre compatibile con gli standard di sostenibilità richiesti oggi.
L’esigenza: riconoscere la specie in tempo reale
Il consorzio desiderava un sistema innovativo che potesse:
identificare automaticamente le specie ittiche del Mar Mediterraneo;
distinguere in tempo reale, da immagini di pescato, alici e sardine — due pesci molto simili del “pesce azzurro”;
ridurre al minimo l’intervento umano;
contribuire a una gestione più sostenibile e controllata delle catture.
Per ottenere questo, era necessario un sistema dotato di visione artificiale, capace non solo di analizzare immagini, ma di classificare i pesci con precisione.
Il progetto: dalla telecamera al cloud
Il sistema è stato realizzato utilizzando ADR-Flow, una piattaforma modulare pensata per supportare il machine learning supervisionato.
Il progetto è composto da due moduli:
Modulo Edge
Il modulo edge è una stazione mobile equipaggiata con una telecamera “intelligente”, basata su un mini-computer tipo Raspberry.
Questa stazione può essere configurata in due modalità operative:
un piano su cui disporre i pesci;
un nastro trasportatore su cui farli scorrere.
La telecamera analizza le immagini in tempo reale, applicando una rete neurale specializzata nel riconoscimento dei pesci.
Ogni specie viene evidenziata con un colore specifico, una funzione utile sia per operatori sia per processi automatizzati.
La stazione include inoltre:
un’interfaccia utente (grafica e sonora);
gestione del flusso immagini;
invio dei metadati al modulo cloud.
Modulo Cloud
Il modulo cloud è composto da una macchina virtuale dedicata a:
ricevere e archiviare le immagini provenienti dal mare;
consentire ai tecnici di ricercare, rivedere e classificare manualmente le foto utilizzando tecniche di visual prompting;
supportare i data scientist nel continuo addestramento e miglioramento delle reti neurali;
fornire al responsabile di sistema un cruscotto di monitoraggio, con grafici e indicatori di performance.
Una volta addestrata, la rete neurale viene re-inviata alla telecamera per migliorare progressivamente la qualità del riconoscimento sul campo.
Le tecnologie chiave utilizzate
Per realizzare un sistema capace di riconoscere automaticamente le specie ittiche e supportare la pesca sostenibile, è stato necessario integrare diverse tecnologie avanzate di visione artificiale e machine learning. Di seguito elenchiamo le principali componenti alla base della soluzione sviluppata:
Computer vision per l’elaborazione in tempo reale delle immagini.
Deep learning con modelli specializzati nella classificazione di specie ittiche.
Visual prompting per una più rapida annotazione delle immagini da parte dei tecnici.
Elaborazione edge per ridurre tempi di latenza e dipendenza dalla rete.
Integrazione cloud per analisi avanzata, training e monitoraggio.
Risultati: grazie alla selezione si ottiene una pesca sostenibile
L’esperimento ha dato risultati eccellenti:
riconoscimento accurato tra alici e sardine, specie molto simili visivamente;
possibilità di automatizzare la selezione del pescato;
miglioramento della tracciabilità e qualità dell’intero processo;
contributo concreto a una pesca sostenibile, grazie alla riduzione degli scarti e alla selezione controllata.
Il consorzio dispone ora di un sistema che unisce innovazione tecnologica e rispetto dell’ambiente, portando la pesca tradizionale nel futuro.