ITUB20155003A1

ITUB20155003A1 - APPARATUS FOR DETECTION OF FRUIT AND VEGETABLE PRODUCTS; IN PARTICULAR OF DEFECTIVE FRUIT AND VEGETABLE PRODUCTS.

Info

Publication number: ITUB20155003A1
Application number: ITUB2015A005003A
Authority: IT
Inventors: Stefano Crociani; Enrico Prosapio; Roberto Prosapio; Matteo Roffilli
Original assignee: Ser Mac S R L
Priority date: 2015-10-29
Filing date: 2015-10-29
Publication date: 2017-04-29
Also published as: WO2017072693A1

Description

DESCRIZIONE DESCRIPTION

“APPARATO PER IL RILEVAMENTO DI PRODOTTI “APPARATUS FOR THE DETECTION OF PRODUCTS

ORTOFRUTTICOLI; IN PARTICOLARE DI PRODOTTI VEGETABLES; IN PARTICULAR OF PRODUCTS

ORTOFRUTTICOLI DIFETTOSI” DEFECTIVE VEGETABLES "

Il presente trovato si riferisce ad un apparato per il rilevamento di prodotti ortofrutticoli; in particolare di prodotti ortofrutticoli difettosi. The present invention relates to an apparatus for detecting fruit and vegetables; in particular of defective fruit and vegetables.

Sono noti degli apparati per il rilevamento di prodotti ortofrutticoli; in particolare di rilevamento del calibro, del colore e di eventuali difetti presenti in rispettivi prodotti, i quali sono disposti entro ad una linea o impianto di convogliamento e di selezione dei detti prodotti ortofrutticoli, ed i quali comprendono dei rispettivi mezzi di supporto del prodotto che sono mobili lungo una rispettiva linea di convogliamento dei prodotti. Apparatuses for the detection of fruit and vegetables are known; in particular for detecting the size, color and any defects present in respective products, which are arranged within a line or plant for conveying and selecting said fruit and vegetable products, and which comprise respective means for supporting the product which they are mobile along a respective line of conveyance of the products.

Detti apparati per prodotti ortofrutticoli già noti comprendono, quindi, dei mezzi di rilevamento di immagini digitali del rispettivo prodotto disposto sui detti mezzi di supporto o di convogliamento, e dei mezzi a processore che sono atti ad elaborare dette immagini digitali del rispettivo prodotto e che sono atti a definire una specifica condizione o caratteristica del rispettivo prodotto, in particolare in modo tale da consentire di comandare una successiva operazione sul detto prodotto, in particolare una operazione di scarico del medesimo prodotto dai detti mezzi di supporto del prodotto, in particolare in corrispondenza di una rispettiva stazione di imballaggio del prodotto. Said apparatuses for already known fruit and vegetable products therefore comprise means for detecting digital images of the respective product arranged on said support or conveying means, and processor means which are adapted to process said digital images of the respective product and which are able to define a specific condition or characteristic of the respective product, in particular in such a way as to allow to control a subsequent operation on said product, in particular an operation of unloading the same product from said product support means, in particular in correspondence with a respective product packing station.

Tuttavia, detti apparati per il rilevamento di prodotti ortofrutticoli già noti utilizzano degli algoritmi di calcolo che operano confrontando meramente rimmagine rilevata con l’immagine precostituita di un rispettivo prodotto difettoso e sono dunque poco efficienti nel rintracciare corrispondenti prodotti difettosi e richiedono oltretutto l'impiego di notevoli risorse hardware per la loro implementazione. However, said apparatuses for detecting fruit and vegetables already known use calculation algorithms which operate by merely comparing the detected image with the pre-established image of a respective defective product and are therefore not very efficient in tracing corresponding defective products and moreover require the use of considerable hardware resources for their implementation.

Inoltre, detti apparati di rilevamento di prodotti ortofrutticoli già noti utilizzano una luce pulsata che, in particolare, si propaga nelle immediate vicinanze dell’apparato, e risulta essere fastidiosa o addirittura dannosa per il personale addetto. Furthermore, said apparatuses for detecting fruit and vegetables already known use a pulsed light which, in particular, propagates in the immediate vicinity of the apparatus, and is annoying or even harmful for the staff.

inoltre, detti apparati di rilevamento di prodotti ortofrutticoli presentano dimensioni rilevanti e sono quindi eccessivamente ingombranti e poco agevoli da installare. moreover, said apparatuses for detecting fruit and vegetables have considerable dimensions and are therefore excessively bulky and not easy to install.

Con il presente trovato si vuole proporre una soluzione nuova ed alternativa alle soluzioni finora note ed in particolare ci si propone di ovviare ad uno o più degli inconvenienti o problemi sopra riferiti, e/o di soddisfare ad una o più esigenze avvertite nella tecnica, ed in particolare evincibili da quanto sopra riferito. The present invention intends to propose a new and alternative solution to the solutions known up to now and in particular it is proposed to obviate one or more of the drawbacks or problems referred to above, and / or to satisfy one or more needs felt in the art, and in particular, which can be deduced from the above.

Viene, quindi, provvisto un apparato per il rilevamento di prodotti ortofrutticoli; in particolare di prodotti ortofrutticoli difettosi, preferibilmente all'interno di una linea o impianto di convogliamento e di opportuno trattamento, in particolare di selezione, dei detti prodotti ortofrutticoli; comprendente dei mezzi di supporto dei prodotti, in particolare sotto forma di mezzi di supporto mobili lungo una rispettiva linea di convogliamento dei prodotti; dei mezzi di rilevamento di una o più immagini, in particolare digitali, del rispettivo prodotto disposto sui detti mezzi di supporto o di convogliamento; e dei mezzi a processore che sono atti ad elaborare dette immagini, in particolare digitali, del rispettivo prodotto, e che sono atti a definire una specifica condizione o caratteristica del rispettivo prodotto, in particolare in modo tale da consentire di comandare una successiva operazione sul detto prodotto, in particolare una operazione di scarico del medesimo prodotto preferibilmente in corrispondenza di una rispettiva stazione di imballaggio del prodotto, in special modo dai detti mezzi di supporto del prodotto ; caratterizzato dal fatto che detti mezzi a processore sono configurati in modo tale da essere in grado di apprendere a riconoscere i difetti, in particolare superficiali, presenti suirimmagine del rispettivo prodotto. An apparatus for the detection of fruit and vegetables is therefore provided; in particular of defective fruit and vegetable products, preferably within a line or plant for conveying and suitable treatment, in particular selection, of said fruit and vegetable products; comprising support means for the products, in particular in the form of support means movable along a respective line for conveying the products; means for detecting one or more images, in particular digital images, of the respective product arranged on said supporting or conveying means; and processor means which are able to process said images, in particular digital ones, of the respective product, and which are able to define a specific condition or characteristic of the respective product, in particular in such a way as to allow to control a subsequent operation on said product, in particular an unloading operation of the same product preferably at a respective product packaging station, especially from said product support means; characterized in that said processor means are configured in such a way as to be able to learn to recognize the defects, in particular superficial, present on the image of the respective product.

In questo modo, è possibile ottenere un’elevata efficacia nel rintracciamento di difetti, in particolare superficiali, del rispettivo prodotto. In particolare è possibile ridurre in massimo grado l'impiego di attrezzatura hardware. In this way, it is possible to obtain high effectiveness in tracing defects, especially superficial ones, of the respective product. In particular, it is possible to reduce the use of hardware equipment as much as possible.

Questo ed altri aspetti innovativi, o specifiche realizzazioni vantaggiose, sono, comunque, esposti nelle rivendicazioni sotto riportate, le cui caratteristiche tecniche sono riscontrabili nella seguente descrizione dettagliata, illustrante una preferita e vantaggiosa forma di realizzazione che è tuttavia da considerarsi come puramente esemplificativa e non limitativa del trovato; detta descrizione venendo fatta con riferimento ai disegni allegati, in cui: This and other innovative aspects, or specific advantageous embodiments, are, however, set out in the claims reported below, the technical characteristics of which can be found in the following detailed description, illustrating a preferred and advantageous embodiment which is however to be considered as purely illustrative and not limitative of the invention; said description being made with reference to the attached drawings, in which:

- la figura 1 illustra una vista schematica a blocchi di una realizzazione preferita di impianto per prodotti ortofrutticoli utilizzante l’apparato di rilevamento secondo il presente trovato; - Figure 1 illustrates a schematic block view of a preferred embodiment of a plant for fruit and vegetables using the detection apparatus according to the present invention;

- la figura 2 illustra una vista schematica blocchi della realizzazione preferita dell’apparato di rilevamento secondo il presente trovato; - Figure 2 illustrates a schematic block view of the preferred embodiment of the detection apparatus according to the present invention;

- la figura 3 illustra una vista schematica in prospettiva della realizzazione preferita del tunnel o box di rilevamento di prodotti ortofrutticoli secondo il presente trovato; Figure 3 shows a schematic perspective view of the preferred embodiment of the tunnel or box for detecting fruit and vegetables according to the present invention;

- la figura 4 illustra una vista schematica in sezione trasversale della realizzazione preferita di tunnel rilevamento di prodotti ortofrutticoli secondo il presente trovato; Figure 4 shows a schematic cross-sectional view of the preferred embodiment of a fruit and vegetable detection tunnel according to the present invention;

- la figura 5 illustra una vista frontale della sezione deirimpianto impieganti la realizzazione preferita di apparato per il rilevamento di prodotti ortofrutticoli secondo il presente trovato; Figure 5 illustrates a front view of the section of the plant employing the preferred embodiment of an apparatus for detecting fruit and vegetables according to the present invention;

- la figura 6 illustra una vista in prospettiva della realizzazione preferita di tunnel di rilevamento secondo il presente trovato; Figure 6 shows a perspective view of the preferred embodiment of the detection tunnel according to the present invention;

- la figura 7 illustra una vista frontale della realizzazione preferita di tunnel di rilevamento di prodotti ortofrutticoli secondo il presente trovato; Figure 7 illustrates a front view of the preferred embodiment of a fruit and vegetable detection tunnel according to the present invention;

- la figura 8 illustra una vista in pianta dall’alto della realizzazione preferita di tunnel di rilevamento di prodotti ortofrutticoli secondo il presente trovato; - la figura 9 illustra una vista laterale della realizzazione preferita di detto tunnel di rilevamento di prodotti ortofrutticoli secondo il presente trovato; - la figura 10 illustra una vista laterale presa dal lato opposto a quello della figura 9 della realizzazione preferita di tunnel secondo il presente trovato; - la figura 11 illustra una vista in sezione trasversale presa secondo la linea A-A della figura 9 della realizzazione preferita di tunnel secondo il presente trovato; - Figure 8 illustrates a top plan view of the preferred embodiment of a fruit and vegetable detection tunnel according to the present invention; Figure 9 illustrates a side view of the preferred embodiment of said fruit and vegetable detection tunnel according to the present invention; Figure 10 illustrates a side view taken from the side opposite to that of Figure 9 of the preferred embodiment of tunnel according to the present invention; Figure 11 illustrates a cross-sectional view taken along the line A-A of Figure 9 of the preferred embodiment of the tunnel according to the present invention;

- la figura 12 illustra una vista in sezione longitudinale presa secondo la linea B-B della figura 8 della realizzazione preferita di tunnel secondo il presente trovato; Figure 12 shows a longitudinal section view taken along the line B-B of Figure 8 of the preferred embodiment of the tunnel according to the present invention;

- la figura 13 illustra una vista schematica di una videata provvista in corrispondenza dei mezzi di interfaccia con l’utente della realizzazione preferita di apparato secondo il presente trovato; - Figure 13 illustrates a schematic view of a screen provided at the interface means with the user of the preferred embodiment of the apparatus according to the present invention;

- la figura 14 illustra il metodo di scansione di una immagine in multirisoluzione impiegato dalla presente realizzazione preferita di apparato e metodo di ricerca automatica secondo il presente trovato; Figure 14 illustrates the method of scanning a multi-resolution image used by the present preferred embodiment of apparatus and automatic search method according to the present invention;

- la figura 15 illustra un diagramma a blocchi di una forma di attuazione di un metodo di ricerca automatica utilizzato nella presente realizzazione preferita di apparato secondo il presente trovato; Figure 15 illustrates a block diagram of an embodiment of an automatic search method used in the present preferred embodiment of apparatus according to the present invention;

- la figura 16 mostra i supporti della trasformata di Scattering implementata mediante scattering network impiegato dalla presente realizzazione preferita di apparato e relativo metodo di ricerca automatica secondo il presente trovato. - figure 16 shows the supports of the scattering transform implemented by the scattering network used by the present preferred embodiment of apparatus and relative automatic search method according to the present invention.

Nelle figure allegate, viene illustrata una realizzazione preferita 10 di apparato per il rilevamento di prodotti ortofrutticoli; in particolare di prodotti ortofrutticoli difettosi, preferibilmente all’interno di una linea o impianto 11 di convogliamento e di opportuno trattamento, in particolare di selezione, dei detti prodotti ortofrutticoli. In the attached figures, a preferred embodiment 10 of an apparatus for detecting fruit and vegetable products is illustrated; in particular of defective fruit and vegetable products, preferably within a line or plant 11 for conveying and appropriate treatment, in particular selection, of said fruit and vegetable products.

In particolare, come illustrato, detto apparato 10 comprende dei mezzi 12 di supporto dei prodotti, in particolare sotto forma di mezzi di supporto mobili lungo una rispettiva linea di convogliamento dei medesimi prodotti 11 e dei mezzi 14 di rilevamento di una o più immagini, in particolare digitali, del rispettivo prodotto disposto sui detti mezzi di supporto. In particular, as illustrated, said apparatus 10 comprises means 12 for supporting the products, in particular in the form of supporting means movable along a respective line for conveying the same products 11 and means 14 for detecting one or more images, in digital details, of the respective product arranged on said support means.

In particolare, come illustrato, l’apparato 10 comprende dei mezzi a processore 16 che sono atti ad elaborare dette immagini digitali del rispettivo prodotto, e che sono atti a definire una specifica condizione o caratteristica del rispettivo prodotto, in particolare in modo tale da consentire di comandare un successiva operazione sul detto prodotto, in special modo una operazione di scarico del medesimo prodotto dai detti mezzi di supporto del prodotto 12, in corrispondenza di una opportuna posizione o stazione delle linea ovvero preferibilmente in corrispondenza di una rispettiva stazione di imballaggio del prodotto. In particular, as illustrated, the apparatus 10 comprises processor means 16 which are adapted to process said digital images of the respective product, and which are capable of defining a specific condition or characteristic of the respective product, in particular in such a way as to allow to control a subsequent operation on said product, especially an unloading operation of the same product from said product support means 12, at a suitable position or station of the line or preferably at a respective product packaging station .

Vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale da effettuare una ricerca automatica di zone di interesse nella immagine digitale rilevata del prodotto ortofrutticolo, le quali zone di interesse sono relative a corrispondenti difettosità, in particolare superficiali, del rispettivo prodotto. Advantageously, said processor means 16 are configured in such a way as to perform an automatic search for areas of interest in the detected digital image of the fruit and vegetable product, which areas of interest relate to corresponding defects, in particular superficial ones, of the respective product.

Tipicamente, i mezzi a processore 16 potrebbero essere sotto forma di un elaboratore elettronico che comprende una memoria, ed un processore, funzionante sotto il controllo di rispettive istruzioni alloggiate in detta memoria, ed in collegamento con dei mezzi di interfaccia con l’ambiente esterno, in particolare con l’utente, ad esempio sotto forma di un display e corrispondenti mezzi di input, in particolare tastiera, mouse e analoghi, o di output di segnali, in particolare sonori, luminosi e/o visivi, nonché in collegamento con il sistema di rilevamento delle immagini, e/o con la linea di convogliamento dei prodotti, ovvero con attuatori o altro presenti nella medesima linea. Typically, the processor means 16 could be in the form of an electronic processor which comprises a memory, and a processor, operating under the control of respective instructions housed in said memory, and in connection with means for interfacing with the external environment, in particular with the user, for example in the form of a display and corresponding input means, in particular keyboard, mouse and the like, or signal output, in particular sound, light and / or visual, as well as in connection with the system image detection, and / or with the conveyor line of the products, or with actuators or other present in the same line.

Vantaggiosamente, ricercando specifiche zone difettose del prodotto ortofrutticolo, è possibile implementare una procedura particolarmente rapida ed efficace dell'identificazione di prodotti aventi rispettive difettosità, in particolare superficiali. Advantageously, by searching for specific defective areas of the fruit and vegetable product, it is possible to implement a particularly rapid and effective procedure for identifying products having respective defects, in particular superficial ones.

Vantaggiosamente, è previsto che detti mezzi a processore 16, preferibilmente eseguendo detto istruzioni, siano configurati in modo tale, da essere in grado di apprendere a riconoscere i difetti, in particolare superficiali, presenti sull'immagine del rispettivo prodotto. Advantageously, it is provided that said processor means 16, preferably by executing said instructions, are configured in such a way as to be able to learn to recognize the defects, in particular superficial, present on the image of the respective product.

In particolare, vantaggiosamente, per apprendere a riconoscere i difetti, in particolare superficiali, presenti sull'immagine del rispettivo prodotto, i mezzi processore 16 sono configurati in modo tale da poter essere sottoposti ad un set di apprendimento, in particolare in cui analizzano corrispondenti immagini, in particolare digitali, di prodotti aventi rispettive difettosità, in particolare difettosità superficiali. In particular, advantageously, in order to learn to recognize the defects, in particular superficial ones, present on the image of the respective product, the processor means 16 are configured in such a way as to be able to be subjected to a learning set, in particular in which they analyze corresponding images , in particular digital, of products with respective defects, in particular surface defects.

Vantaggiosamente, è previsto che detti mezzi a processore 16 siano configurati in modo tale da effettuare una ricerca automatica di zone di interesse nella immagine digitale rilevata, le quali zone di interesse sono corrispondenti a difettosità superficiali del rispettivo prodotto, ed in special modo operando attraverso le seguenti fasi operative: Advantageously, said processor means 16 is configured in such a way as to perform an automatic search for areas of interest in the detected digital image, which areas of interest correspond to surface defects of the respective product, and especially by operating through the following operational phases:

- provvedere una rappresentazione matematica di una zona di detta immagine digitale; e - providing a mathematical representation of a region of said digital image; And

- provvedere, per detta zona dell'immagine digitale, a partire da detta rappresentazione della medesima zona digitale, un valore numerico che è rappresentativo della probabilità di contenere una zona di interesse. - providing, for said zone of the digital image, starting from said representation of the same digital zone, a numerical value which is representative of the probability of containing a zone of interest.

Vantaggiosamente, detta fase di provvedere una rappresentazione matematica di una zona di detta immagine digitale è effettuata attraverso una rappresentazione a rispettivi coefficienti numerici della rispettiva zona dell'immagine digitale. Advantageously, said step of providing a mathematical representation of a zone of said digital image is carried out through a representation with respective numerical coefficients of the respective zone of the digital image.

Vantaggiosamente, detta fase di provvedere una rappresentazione matematica di una zona di detta immagine digitale è effettuata attraverso una rappresentazione a coefficienti scattering network. Advantageously, said step of providing a mathematical representation of a zone of said digital image is carried out through a representation with scattering network coefficients.

Vantaggiosamente, è previsto che detta fase di provvedere, per detta zona deirimmagine digitale, a partire da detta rappresentazione della medesima zona digitale, un valore numerico che sia rappresentativo della probabilità di contenere una zona interesse, viene effettuata utilizzando almeno un classificatore, in particolare sotto forma di un classificatore lineare denominato support vector machine (SVM) operante su detta rappresentazione a coefficienti scattering network della medesima zona deirimmagine digitale. Advantageously, it is envisaged that said step of providing, for said zone of the digital image, starting from said representation of the same digital zone, a numerical value that is representative of the probability of containing a zone of interest, is carried out using at least one classifier, in particular under form of a linear classifier called support vector machine (SVM) operating on said scattering network coefficient representation of the same zone of the digital image.

In particolare, nell’approccio seguito secondo la presente realizzazione del trovato, la rappresentazione delle zone da classificare viene compiuta tramite una trasformata non lineare denominata “Trasformata di Scattering” implementata mediante una scattering network (vedi ad esempio il brevetto S. Mallat EP2577564A1 : Multiscale modulus filter bank and applications to pattern detection, clustering, classification and registration) e la classificazione è di preferenza eseguita mediante un classificatore lineare a margine massimo di tipo SVM, preferibilmente addestrato nella sua variante primale. In particular, in the approach followed according to the present embodiment of the invention, the representation of the areas to be classified is performed by means of a non-linear transform called "Scattering Transform" implemented by means of a scattering network (see for example the S. Mallat EP2577564A1 patent: Multiscale modulus filter bank and applications to pattern detection, clustering, classification and registration) and the classification is preferably performed by means of a maximum margin linear classifier of the SVM type, preferably trained in its primal variant.

Data un'immagine, la trasformata di Scattering ne estrae, tramite una cascata di trasformate wavelet e operazioni di modulo complesso, ovvero la rete di scattering, in lingua inglese “scattering network”, una rappresentazione non lineare invariante per traslazione e stabile rispetto alle deformazioni. Questa rappresentazione risulta molto interessante in quanto realizzando una linearizzazione delle caratteristiche non lineari permette l'utilizzo efficace di classificatori lineari. Given an image, the Scattering transform extracts from it, through a cascade of wavelet transforms and complex module operations, or the scattering network, in English "scattering network", a non-linear representation that is invariant by translation and stable with respect to deformations . This representation is very interesting since realizing a linearization of the non-linear characteristics allows the effective use of linear classifiers.

Qui di seguito sono descritti i passaggi necessari per calcolare la trasformata di Scattering mediante una scattering network, “rete di scattering” in lingua italiana. The steps required to calculate the Scattering transform by means of a scattering network, "scattering network" in Italian are described below.

Le scattering network costruiscono delle feature invarianti all'azione di gruppi, quali traslazione, rotazione o scaling, tramite la convoluzione dell'immagine a cui sono applicate, con filtri wavelet pre-calcolati. Come conseguenza, si ha che le feature ottenute da un immagine sono molto simili a quelle che si otterrebbero da una versione traslata, ruotata, scalata, o debolmente deformata di essa. Scattering networks construct features that are invariant to the action of groups, such as translation, rotation or scaling, through the convolution of the image to which they are applied, with pre-calculated wavelet filters. As a consequence, the features obtained from an image are very similar to those obtained from a translated, rotated, scaled, or slightly deformed version of it.

Una scattering network ha una struttura ad albero, dove ogni nodo riceve un input, compie determinate operazioni su di esso, generalmente operazioni di convoluzione e di estrazione del modulo, e restituisce due output. Di questi, uno viene destinato ai nodi successivi della rete mentre l'altro fa parte dell'output globale della rete stessa. In particolare, le operazioni eseguite sono: A scattering network has a tree structure, where each node receives an input, performs certain operations on it, generally convolution and module extraction operations, and returns two outputs. Of these, one is destined for subsequent nodes in the network while the other is part of the global output of the network itself. In particular, the operations performed are:

• convoluzione con una wavelet complessa pre-calcolata della forma (in genere del tipo Morlet): • convolution with a pre-calculated complex wavelet of the form (usually of the Morlet type):

ψλ( « ) = 2<~ 3⁄4>Ψ f 2<" J>r<" 1>u), con 1= 2<~ J>r, r <≡G , j ≡Z, n <≡R<2>. ψλ («) = 2 <~ 3⁄4> Ψ f 2 <" J> r <"1> u), with 1 = 2 <~ J> r, r <≡G, j ≡Z, n <≡R <2>.

• estrazione della fase dal risultato della convoluzione tramite un operazione di modulo complesso | . |, • extraction of the phase from the result of the convolution by means of a complex module operation | . |,

° il risultato dell'operazione di modulo viene: ° the result of the modulo operation is:

° dato come input ai nodi successivi quello corrente; ° given as input to the nodes following the current one;

° filtrato ulteriormente tramite un operazione di convoluzione con una funzione passa-basso, in genere di tipo gaussiano e successivamente mandato in output come parte dell'output globale alla rete per quel livello: ° filtered further by a convolution operation with a low-pass function, usually of the Gaussian type and subsequently sent to the output as part of the global output to the network for that level:

φγ(n) — 2<~ Ή>φ ( 2 ' u) , dove J &Z. , u 3⁄4'<~>φγ (n) - 2 <~ Ή> φ (2 'u), where J & Z. , u 3⁄4 '<~>

Il nodo radice e i nodi dell'ultimo livello fanno eccezione in quanto non eseguono l'operazione di filtraggio tramite wavelet ma solo l'operazione di filtraggio passa-basso. The root node and the nodes of the last level are exceptions as they do not perform the wavelet filtering operation but only the low-pass filtering operation.

La rete implementata viene descritta da quattro parametri fondamentali, che sono: The implemented network is described by four fundamental parameters, which are:

• M: costituisce il numero di livelli attivi della rete, ovvero il numero di livelli dell'albero ad esclusione di quello contenente il nodo radice; • J: costituisce l'indice massimo di cui le wavelet e i filtri vengono scalate. Da notare che nell'attuale implementazione preferita è l'immagine che viene scalata mentre i filtri rimangono fissi. • M: constitutes the number of active levels of the network, that is the number of levels of the tree excluding the one containing the root node; • J: constitutes the maximum index by which wavelets and filters are scaled. Note that in the current preferred implementation it is the image that is scaled while the filters remain fixed.

• L: costituisce il numero di rotazioni a cui una wavelet è soggetta così da ricavare più filtri diversi; • L: constitutes the number of rotations to which a wavelet is subjected so as to obtain several different filters;

• Q: costituisce il numero di wavelet per ottava di frequenza nel dominio di Fourier. • Q: constitutes the number of wavelets per octave of frequency in the Fourier domain.

NeN'implementazione che sfrutta l'analisi multi-risoluzione, i parametri J ed M sono legati dalla relazione J >= M. In the implementation that exploits the multi-resolution analysis, the parameters J and M are linked by the relation J> = M.

Ogni livello della rete così implementata contribuisce all'output globale con un numero di immagini pari a: Each layer of the network thus implemented contributes to the global output with a number of images equal to:

{LxQ)<m>{<J>) , 0 <m <M {LxQ) <m> {<J>), 0 <m <M

m m

Ogni immagine che fa parte dell'output globale in uscita dalla rete, è scalata di un fattore , ovvero se l'immagine in ingresso alla rete era di dimensioni (<3⁄4 M/>)|allora le immagini in uscita saranno tutte di dimensione<x W>^<2>) . Each image that is part of the global output from the network is scaled by a factor, i.e. if the image entering the network was of size (<3⁄4 M />) | then the output images will all be of size <x W> ^ <2>).

Come si evince dalla figura 16, differenze sostanziali tra le reti di scattering e altre architetture “deep” sono: As can be seen from Figure 16, substantial differences between scattering networks and other "deep" architectures are:

• nelle reti di scattering l'output non è concentrato all'ultimo livello della rete ma ogni livello contribuisce all'output complessivo; • in scattering networks the output is not concentrated at the last level of the network but each level contributes to the overall output;

• nelle reti di scattering i filtri sono pre-calcolati e quindi non devono essere costruiti con un addestramento della rete; • in scattering networks the filters are pre-calculated and therefore must not be built with network training;

• le reti di scattering funzionano da estrattori di feature e non hanno funzione di classificazione, per cui devono essere accoppiate ad un classificatore come per esempio un SVM. • scattering networks work as feature extractors and do not have a classification function, so they must be coupled to a classifier such as an SVM.

I coefficienti numerici prodotti dalla trasformata di Scattering per ogni livello di risoluzione e per ogni scala sono concatenati in un unico vettore di feature. The numerical coefficients produced by the scattering transform for each resolution level and for each scale are concatenated into a single feature vector.

Come altri metodi di estrazione di feature, si tratta di un'architettura di tipo “deep”, che prevede cioè una successione di trasformazioni non lineari. La profondità dell'architettura si riferisce al numero di livelli di composizione di operazioni non lineari nella funzione appresa. In generale le architetture di tipo “deep” hanno il seguente vantaggio: funzioni che possono essere rappresentate in modo compatto da un'architettura di profondità k, richiedono un numero esponenzialmente maggiore di elementi computazionali per poter essere rappresentate da un'architettura con profondità k-1. Like other feature extraction methods, it is a “deep” architecture, which involves a succession of non-linear transformations. The depth of the architecture refers to the number of composition levels of nonlinear operations in the learned function. In general, "deep" architectures have the following advantage: functions that can be represented in a compact way by an architecture of depth k, require an exponentially greater number of computational elements in order to be represented by an architecture with depth k- 1.

Vantaggiosamente, la trasformata di Scattering presenta un framework matematico ed algoritmico ben fondato. Advantageously, the scattering transform presents a well-founded mathematical and algorithmic framework.

La rappresentazione estratta dalla trasformata di Scattering, ovvero il vettore numerico delle caratteristiche, viene processato da un classificatore lineare il cui obiettivo è trovare un iperpiano geometrico a margine massimo (ovvero con migliore possibilità di generalizzazione) nello spazio delle caratteristiche, che separi i campioni di una classe da quelli dell'altra. The representation extracted from the Scattering transform, that is the numerical vector of the characteristics, is processed by a linear classifier whose goal is to find a geometric hyperplane with maximum margin (i.e. with better possibility of generalization) in the space of characteristics, which separates the samples of one class from those of the other.

In dettaglio, dato un insieme di n campioni in R<d>appartenenti a due classi (yi = ±i) si vuole trovare l'iperpiano a margine massimo che separa i campioni di una classe da quelli dell'altra. Un iperpiano può essere visto come l'insieme dei punti χ che soddisfano l'equazione w - x -b = o. Se il problema è linearmente separabile avremo: In detail, given a set of n samples in R <d> belonging to two classes (yi = ± i) we want to find the maximum margin hyperplane that separates the samples of one class from those of the other. A hyperplane can be seen as the set of points χ that satisfy the equation w - x -b = o. If the problem is linearly separable we will have:

w - xl<~>b ≥ l per gli^della prima classe; w - xl <~> b ≥ l for the ^ of the first class;

w - Tl- b ≤ -l per glij^della seconda classe. w - Tl- b ≤ -l for the j ^ of the second class.

Questo può essere riscritto come: This can be rewritten as:

yi(w<■>xl — b) >lper 1 < i ≤ n yi (w <■> xl - b)> l for 1 <i ≤ n

Mettendo tutto insieme otteniamo il problema di minimizzazione (inw, b) di || vv|| , con y^w<■>xi— b<'>) ≥ 1 . Putting everything together we get the minimization problem (inw, b) of || vv || , with y ^ w <■> xi— b <'>) ≥ 1.

Per questioni matematiche è conveniente alterare l'equazione precedente sostituendo ||iv|| con ì ||iv||<2>. Abbiamo quindi che SVM risolve il problema di ottimizzazione seguente: For mathematical reasons it is convenient to alter the previous equation by replacing || iv || with ì || iv || <2>. We therefore have that SVM solves the following optimization problem:

αΓ57ηπι(3⁄4))ί ||ϊν||<2>, con yt(w<■>- b) ≥ 1 αΓ57ηπι (3⁄4)) ί || ϊν || <2>, with yt (w <■> - b) ≥ 1

Introducendo i moltiplicatori a di KKT il problema può essere espresso come: Introducing the multipliers a of KKT the problem can be expressed as:

argmin^max^^i- WwW<2 ■>x - b) - 1]} argmin ^ max ^^ i- WwW <2 ■> x - b) - 1]}

i=l i = l

Questo è il problema affrontato nella forma primale e comporta la stima di d parametri, correlati al numero di feature. This is the problem addressed in the primal form and involves the estimation of d parameters, related to the number of features.

Se volessimo integrare una rappresentazione non lineare dovremmo inserire una funzione di mapping, ad esempio mediante un kernel gaussiano, dello spazio di input con la conseguenza di essere portati per importanti vantaggi computazionali a risolvere il problema di ottimizzazione nella sua forma duale che comporta la stima di n parametri, correlati al numero di campioni. Affrontare il problema nella forma primale è quindi conveniente quando il numero di esempi è maggiore del numero di feature. Esistono soluzioni algoritmiche estremamente ottimizzate per la forma primale di SVM lineare che sono in grado di processare centinaia di milioni di esempi e addirittura infiniti esempi in modalità on-line. If we wanted to integrate a non-linear representation we would have to insert a mapping function, for example by means of a Gaussian kernel, of the input space with the consequence of being led for important computational advantages to solve the optimization problem in its dual form which involves the estimation of n parameters, related to the number of samples. Addressing the problem in the primal form is therefore convenient when the number of examples is greater than the number of features. There are highly optimized algorithmic solutions for the primal form of linear SVM that are capable of processing hundreds of millions of examples and even infinite examples in online mode.

In particolare, secondo la forma realizzativa particolarmente preferita del presente trovato, viene quindi provvisto un metodo per la ricerca automatica di zone di interesse in una immagine digitale; il quale essenzialmente comprende le fasi di rappresentare zone di detta immagine digitale mediante trasformata di Scattering e di evidenziare, o meno, dette zone, in base ad un valore di possibilità di interesse ottenuto utilizzando almeno un classificatore lineare denominato Support Vector Machine, nella sua forma primale addestrabile efficientemente su più di centinaia di milioni di esempi. In particular, according to the particularly preferred embodiment of the present invention, a method is therefore provided for the automatic search of areas of interest in a digital image; which essentially comprises the steps of representing areas of said digital image by means of a Scattering transform and of highlighting, or not, said areas, on the basis of a value of possibility of interest obtained using at least a linear classifier called Support Vector Machine, in its form primal trainable efficiently on more than hundreds of millions of examples.

In sintesi, associando una rappresentazione non lineare ottenuta mediante la trasformata di Scattering ad una SVM lineare risolto in forma primale otteniamo un metodo completo che supera le limitazioni imposte delle attuali tecnologie prese singolarmente e particolarmente adatto a prodotti ortofrutticoli in cui è desiderato riconoscere zone di interesse contenenti zone difettose. In summary, by associating a non-linear representation obtained through the Scattering transform to a linear SVM resolved in primal form, we obtain a complete method that overcomes the limitations imposed by current technologies taken individually and particularly suitable for fruit and vegetables in which it is desired to recognize areas of interest. containing defective areas.

Come si evince dalle figure 14 e 15, il sistema della presente realizzazione preferita funziona in questo modo: una finestra 2 di dimensione fissa scansiona l'immagine 1 muovendosi da sinistra a destra e dall'alto in basso con passo di circa 1/10 delle sue dimensioni lineari. Per ogni finestra individuata in questo modo è estratta la porzione 3 di immagine contenuta nella finestra. As can be seen from figures 14 and 15, the system of the present preferred embodiment works in this way: a window 2 of fixed size scans the image 1 moving from left to right and from top to bottom with a step of about 1/10 of the its linear dimensions. For each window identified in this way, the portion 3 of the image contained in the window is extracted.

La porzione di immagine è riportata alle dimensioni di riferimento, impostate in fase di addestramento del classificatore, mediante una interpolazione e quindi rappresentata mediante una trasformazione di Scattering implementata con scattering network di parametri prefissati. I valori della trasformata di Scattering sono classificati mediante un classificatore SVM lineare, precedentemente addestrato in forma primale. II risultato numerico della classificazione è utilizzato per stabilire se la zona è di interesse oppure no. The portion of the image is brought back to the reference dimensions, set during the training phase of the classifier, by means of an interpolation and then represented by a Scattering transformation implemented with a scattering network of predetermined parameters. The values of the scattering transform are classified using a linear SVM classifier, previously trained in primal form. The numerical result of the classification is used to determine whether the area is of interest or not.

La procedura è ripetuta variando la dimensione della finestra di scansione che viene sempre riportata alla dimensione di riferimento mediante interpolazione (in lingua inglese “upsampling” o “downsampling”). In particolare come illustrato in figura 1, una diversa finestra 4 di rispettiva dimensione fissa scansiona l'immagine 1 muovendosi anch’essa da sinistra a destra e dall'alto in basso con passo di circa 1/10 delle sue dimensioni lineari. Per ogni finestra individuata in questo modo è estratta allo steso modo una corrispondente porzione 5 di immagine contenuta nella finestra. Questa procedura viene quindi ulteriormente ripetuta per un numero desiderato o predeterminato di finestre di rispettiva dimensione fissa. The procedure is repeated by varying the size of the scanning window which is always brought back to the reference size by interpolation (in English “upsampling” or “downsampling”). In particular, as shown in Figure 1, a different window 4 of respective fixed size scans the image 1 also moving from left to right and top to bottom with a step of about 1/10 of its linear dimensions. For each window identified in this way, a corresponding portion 5 of the image contained in the window is extracted in the same way. This procedure is then repeated further for a desired or predetermined number of windows of respective fixed size.

Essendo fissi sia la dimensione della finestra di scansione sia i parametri della trasformata di Scattering, il numero di elementi di tutti i vettori prodotti da tutte le finestre risulta identico. Questo vettore costituisce l’input per il classificatore SVM. Since both the size of the scanning window and the parameters of the Scattering transform are fixed, the number of elements of all the vectors produced by all the windows is identical. This vector constitutes the input for the SVM classifier.

Il classificatore SVM è stato quindi addestrato con un insieme di esempi di zone di interesse trasformate mediante una trasformata di Scattering implementata con una scattering network di parametri prefissati. The SVM classifier was then trained with a set of examples of areas of interest transformed by means of a scattering transform implemented with a scattering network of predetermined parameters.

In pratica, in un contesto di classificazione binaria, il classificatore SVM è stato precedentemente addestrato con un insieme di esempi scelti in modo tale che esso restituisca un valore numerico positivo nel caso gli sia presentato in input un vettore rappresentativo della prima classe, detta anche “classe positiva” ,che corrisponde alle difettosità superficiali, e un valore negativo in caso della seconda classe o “classe negativa”. In practice, in a binary classification context, the SVM classifier has been previously trained with a set of examples chosen in such a way that it returns a positive numerical value if a vector representative of the first class, also called " positive class ", which corresponds to surface defects, and a negative value in the case of the second class or" negative class ".

Perciò tale classificatore SVM restituisce per il vettore in input un valore di appartenenza alla zona di interesse. Therefore this SVM classifier returns for the input vector a value of belonging to the area of interest.

In un'altra forma di attuazione si possono usare in opportuna combinazione le risposte di più classificatori SVM per assegnare al vettore in input tale valore di appartenenza. In another embodiment, the responses of several SVM classifiers can be used in an appropriate combination to assign this membership value to the input vector.

Si procede quindi alla selezione delle finestre con maggiore possibilità di contenere l'oggetto o zona di interesse, in questo caso il difetto superficiale. A tal scopo per ogni finestra è definito un gruppo di vicini, scegliendo le finestre spazialmente vicine in un raggio euclideo r prefissato. All'interno di questo gruppo viene eletto un candidato, ovvero la finestra con il più alto valore numerico rappresentativo di più alta possibilità. We then proceed to the selection of the windows with the greatest possibility of containing the object or area of interest, in this case the surface defect. For this purpose, a group of neighbors is defined for each window, choosing the spatially neighboring windows in a predetermined Euclidean radius r. Within this group a candidate is elected, that is the window with the highest numerical value representing the highest possibility.

Tutte le finestre elette sono memorizzate in una lista mentre tutte le finestre non elette vengono scartate. L'intero procedimento è ripetuto per diverse dimensioni della finestra di scansione per cercare zone di interesse o difettosità di diverse dimensioni. In questo modo sono prodotte tante liste contenenti finestre elette quante sono le dimensioni cercate. Le finestre contenute in queste liste sono inserite in un'unica lista, ordinate in senso decrescente in base al valore numerico loro associato. Tale valore è utilizzato come stima di ordinamento in probabilità, ovvero non si ha un valore di probabilità ma una lista ordinata (ranking) secondo il valore di probabilità, sebbene non noto. Tra dette finestre quelle con ranking di probabilità inferiore ad una soglia prefissata t sono scartate. A questo punto sono scelte le prime n finestre, dove n è un valore prefissato. Queste finestre residue sono le finestre che a tutte le dimensioni di ricerca hanno ottenuto il maggior ranking di probabilità di contenere una zona di interesse o difettosa. All elected windows are stored in a list while all unelected windows are discarded. The whole process is repeated for different sizes of the scan window to search for areas of interest or defects of different sizes. In this way, as many lists containing selected windows are produced as the size sought. The windows contained in these lists are inserted in a single list, sorted in descending order according to the numerical value associated with them. This value is used as an estimate of ordering in probability, that is, there is no probability value but an ordered list (ranking) according to the probability value, although not known. Among these windows, those with a probability ranking lower than a predetermined threshold t are discarded. At this point the first n windows are chosen, where n is a predetermined value. These residual windows are the windows that at all search dimensions have obtained the highest probability ranking of containing a zone of interest or defect.

Si procede ora ad un successivo passo di selezione di queste finestre residue: si cerca nell'intorno geometrico di ogni finestra se ve ne sono altre. Nel caso la finestra in esame risulti isolata viene scartata. Nel caso invece ve ne siano altre, tutte queste più la finestra in esame sono raggruppate in un'unica nuova finestra a cui viene associato come centro il centroide delle finestre componenti, come dimensione la dimensione media delle finestre componenti e come valore di ranking di probabilità una combinazione dei ranking di probabilità delle componenti. We now proceed to a subsequent selection step of these residual windows: we search in the geometric neighborhood of each window if there are others. If the window in question is isolated, it is discarded. If, on the other hand, there are others, all these plus the window in question are grouped into a single new window to which the centroid of the component windows is associated as the center, the average size of the component windows as a dimension and the probability ranking value. a combination of the component probability rankings.

Queste nuove finestre sono quindi inserite in una nuova lista, ordinate in modo decrescente secondo il loro valore di ranking di probabilità. Infine solo le prime q finestre di questa nuova lista, con q parametro prefissato, sono visualizzate sovrapponendole graficamente all'immagine originale. La sovra impressione del bordo della finestra permette di cogliere visivamente il centro e la dimensione della zona di interesse o difettosità individuata, mentre il colore utilizzato per la sovra impressione è associato al valore di ranking di probabilità. These new windows are then inserted into a new list, sorted in descending order according to their probability ranking value. Finally, only the first q windows of this new list, with q parameter set, are displayed by superimposing them graphically on the original image. The overprint of the edge of the window allows you to visually grasp the center and the size of the area of interest or defects identified, while the color used for the overprint is associated with the probability ranking value.

In pratica, come ben si evince dal diagramma di flusso della figura 15, una realizzazione preferita del metodo di riconoscimento automatico di difetti, in particolare superficiali, presenti sull’immagine, in particolare digitale, di un rispettivo prodotto ortofrutticolo, ed il quale viene implementato nella presente realizzazione preferita di apparato, presenta una o più delle seguenti fasi: In practice, as can be clearly seen from the flow chart of Figure 15, a preferred embodiment of the automatic recognition method of defects, in particular superficial, present on the image, in particular digital, of a respective fruit and vegetable product, and which is implemented in the present preferred embodiment of the apparatus, it has one or more of the following steps:

a) sottoporre o aver preventivamente sottoposto il classificatore ad un corrispondente set di addestramento, a) submit or have previously subjected the classifier to a corresponding training set,

b) immettere l'immagine (immagine in input), b) enter the image (input image),

c) fissare la dimensione della finestra di scansione dell’immagine, d) ritagliare e ridimensionare ciascuna finestra scansionata dall’immagine, e) eseguire la trasformata di scattering del ritaglio o porzione della finestra, c) fix the size of the image scan window, d) crop and resize each window scanned from the image, e) perform the scattering transform of the crop or portion of the window,

f) creare un corrispondente vettore dei coefficienti di scattering del rispettivo ritaglio o porzione, f) create a corresponding vector of the scattering coefficients of the respective cutout or portion,

g) classificare il vettore con la SVM (Support Vector Machine), g) classify the vector with the SVM (Support Vector Machine),

h) ripetere le dette operazioni da c) a f) con finestre di scansione aventi dimensioni diverse, h) repeat the above operations from c) to f) with scanning windows of different sizes,

i) selezionare dei ritagli di interesse per una determinata scala, i) select some clippings of interest for a given scale,

j) ripetere le dette operazioni da b) a i) per tutte le scale dell’immagine, k) selezionare dei ritagli di interesse per tutte le scale, j) repeat the aforementioned operations from b) to i) for all scales of the image, k) select cutouts of interest for all scales,

L) creare un’immagine in uscita (immagine in output con eventuali zone evidenziate). L) create an output image (output image with any highlighted areas).

In pratica, dunque, vantaggiosamente, detto classificatore lineare è definito dal classificatore lineare denominato support vector machine (SVM), operante preferibilmente su detta rappresentazione a coefficienti scattering network della medesima zona dell'immagine digitale. In practice, therefore, advantageously, said linear classifier is defined by the linear classifier called support vector machine (SVM), preferably operating on said representation with scattering network coefficients of the same zone of the digital image.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale da evidenziare, o meno, in particolare su corrispondenti mezzi di visualizzazione o di interfaccia utente 18, in particolare definita da un corrispondente display dei mezzi a processore, detta zona di interesse di detta immagine digitale sulla base di detto valore numerico. In practice, advantageously, said processor means 16 are configured in such a way as to highlight, or not, in particular on corresponding display means or user interface 18, in particular defined by a corresponding display of the processor means, said area of interest of said digital image on the basis of said numerical value.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale da addestrare detto classificatore attraverso un insieme di esempi di zone di interesse o difettose, ovvero di esempi di immagini contenenti zone di interesse o difettose. In practice, advantageously, said processor means 16 are configured in such a way as to train said classifier through a set of examples of areas of interest or defective, or examples of images containing areas of interest or defective.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale da procedere alla selezione di finestre della rispettiva immagine con maggiore probabilità di contenere la zona di interesse o difettosa. In practice, advantageously, said processor means 16 are configured in such a way as to proceed with the selection of windows of the respective image with greater probability of containing the area of interest or defective.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale che, per procedere alla selezione delle finestre con maggiore probabilità di contenere la zona di interesse o difettosa, per ogni finestra è definito un gruppo di vicini, scegliendo le finestre spazialmente vicine; all'interno di questo gruppo venendo eletto un candidato, ovvero la finestra con la più alta probabilità di contenere l'oggetto o zona di interesse, in pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale che tutte le finestre elette sono memorizzate in una rispettiva lista, mentre, in particolare, tutte le finestre non elette vengono scartate, in pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale che l'intero procedimento di selezione delle finestre con maggiore probabilità di contenere la zona di interesse o difettosa, è ripetuto per diverse dimensioni della finestra di scansione per cercare zone di interesse o difetti di diverse dimensioni, in particolare in modo tale da produrre tante o una pluralità di liste contenenti finestre elette quante sono le dimensioni cercate. In practice, advantageously, said processor means 16 are configured in such a way that, in order to proceed with the selection of the windows with greater probability of containing the area of interest or defective, a group of neighbors is defined for each window, selecting the spatially close windows. ; within this group a candidate being elected, that is the window with the highest probability of containing the object or area of interest, in practice, advantageously, said processor means 16 are configured in such a way that all the elected windows are stored in a respective list, while, in particular, all the unelected windows are discarded, in practice, advantageously, said processor means 16 are configured in such a way that the entire window selection process is more likely to contain the area of interest or defective, is repeated for different dimensions of the scanning window to search for areas of interest or defects of different dimensions, in particular in such a way as to produce as many or a plurality of lists containing selected windows as the dimensions sought.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale che le finestre contenute in dette liste sono inserite in un'unica lista, ordinate in senso decrescente in base al valore numerico loro associato, il quale valore numerico è utilizzato come stima di ordinamento (ranking) in probabilità. In practice, advantageously, said processor means 16 are configured in such a way that the windows contained in said lists are inserted in a single list, ordered in descending order based on the numerical value associated with them, which numerical value is used as an estimate. ordering (ranking) in probability.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale che, tra dette finestre, quelle con ranking di probabilità inferiore ad una soglia prefissata (t) sono scartate. In practice, advantageously, said processor means 16 are configured in such a way that, between said windows, those with a probability ranking lower than a predetermined threshold (t) are rejected.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale da scegliere le prime n finestre, dove n è un valore prefissato, dette finestre residue in particolare essendo le finestre che a tutte le dimensioni di ricerca hanno ottenuto il maggior ranking di probabilità di contenere una zona di interesse o difetto. In practice, advantageously, said processor means 16 are configured in such a way as to select the first n windows, where n is a predetermined value, said residual windows in particular being the windows that at all search dimensions have obtained the highest ranking of probability of containing an area of interest or defect.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale da procedere ad un successivo passo di filtraggio di queste finestre residue, in particolare cercando nell'intorno geometrico di ogni finestra se ve ne sono altre. In practice, advantageously, said processor means 16 are configured in such a way as to proceed to a subsequent filtering step of these residual windows, in particular by looking in the geometric neighborhood of each window if there are others.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale che, se nell'intorno geometrico di ogni finestra in esame, la rispettiva finestra è isolata viene scartata. In practice, advantageously, said processor means 16 are configured in such a way that, if in the geometric neighborhood of each window under examination, the respective window is isolated, it is rejected.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale che, se nell'intorno geometrico di ogni finestra in esame, ne sono altre, tutte queste, più la finestra in esame, sono raggruppate in un'unica nuova finestra a cui viene associato come centro il centroide delle finestre componenti, e preferibilmente come dimensione la dimensione media delle finestre componenti, ed in special modo come valore di ranking di probabilità una combinazione dei ranking di probabilità delle componenti. In practice, advantageously, said processor means 16 are configured in such a way that, if there are others in the geometric neighborhood of each window under examination, all these, plus the window under examination, are grouped in a single new window. to which the centroid of the component windows is associated as the center, and preferably the average size of the component windows as a dimension, and especially a combination of the probability rankings of the components as a probability ranking value.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale che queste nuove finestre sono quindi inserite in una nuova lista, ordinate in modo decrescente secondo il loro valore di ranking di probabilità. In practice, advantageously, said processor means 16 are configured in such a way that these new windows are then inserted in a new list, ordered in decreasing order according to their probability ranking value.

In pratica, vantaggiosamente, detti mezzi a processore 16 sono configurati in modo tale da far sì che una finestra di dimensione fissa scansioni l'immagine muovendosi da destra a sinistra dall’alto in basso con passo predeterminato, preferibilmente con passo di circa 1/10 delle sue dimensioni lineari; e dal fatto che per ogni finestra individuata in questo modo viene estratta la porzione di immagine contenuta nella finestra. In practice, advantageously, said processor means 16 are configured in such a way as to cause a window of fixed size to scan the image by moving from right to left from top to bottom with a predetermined step, preferably with a step of about 1/10. its linear dimensions; and from the fact that for each window identified in this way the portion of the image contained in the window is extracted.

In particolare, come illustrato, detti mezzi di rilevamento 14 del presente apparato comprendono dei mezzi 20 che definiscono una camera 21 di rilevamento del prodotto. In particular, as illustrated, said detection means 14 of the present apparatus comprise means 20 which define a chamber 21 for detecting the product.

Vantaggiosamente, come si evince dalle corrispondenti figure, detti mezzi 20 definenti una camera 21 di rilevamento del prodotto comprendono una base o parete di fondo 201, in particolare che si prolunga lateralmente, e preferibilmente in corrispondenza di ambo i lati trasversali, rispetto ai detti mezzi 12 di supporto del prodotto. Advantageously, as can be seen from the corresponding figures, said means 20 defining a product detection chamber 21 comprise a base or bottom wall 201, in particular which extends laterally, and preferably at both transverse sides, with respect to said means 12 product support.

In particolare, come illustrato, detti mezzi 20 definenti la camera 21 di rilevamento del prodotto definiscono dei mezzi a tunnel 20 di passaggio dei prodotti aventi una apertura 20i di ingresso dei prodotti entro al tunnel, o box di visione, 20 ed una apertura 20u di uscita dei prodotti dai detti mezzi a tunnel 20, preferibilmente provviste in corrispondenza di estremità longitudinali dei medesimi mezzi a tunnel 20. In particular, as illustrated, said means 20 defining the product detection chamber 21 define tunnel means 20 for the passage of the products having an opening 20i for entering the products into the tunnel, or vision box, 20 and an opening 20u of exit of the products from said tunnel means 20, preferably provided at the longitudinal ends of said tunnel means 20.

Vantaggiosamente, detti mezzi 20 definenti la camera di rilevamento del prodotto comprendono una parete di copertura 202, in particolare sotto forma di una parete angolarmente estesa, preferibilmente circonferenzialmente estesa, ed in special modo le cui estremità laterali 202a, 202b si prolungano dalla, e/o sono collegate alla, detta base o parete di fondo 201. Advantageously, said means 20 defining the product detection chamber comprise a covering wall 202, in particular in the form of an angularly extended wall, preferably circumferentially extended, and especially whose lateral ends 202a, 202b extend from, and / or are connected to said base or back wall 201.

Vantaggiosamente, detti mezzi 20 definenti la camera 21 di rilevamento del prodotto comprendono una prima ed una seconda opposte pareti trasversali 203, 204, preferibilmente in corrispondenza delle quali sono provviste rispettive aperture di ingresso 20i e di uscita 20u, in particolare sboccanti in corrispondenza del bordo inferiore della rispettiva parete trasversale 203, 204. Advantageously, said means 20 defining the product detection chamber 21 comprise a first and a second opposite transverse walls 203, 204, preferably in correspondence with which respective inlet 20i and outlet 20u are provided, in particular opening at the edge lower part of the respective transverse wall 203, 204.

In particolare, come illustrato, detti mezzi di rilevamento 14 comprendono dei mezzi a videocamera 24, 24. In particular, as illustrated, said detection means 14 comprise video camera means 24, 24.

Vantaggiosamente, detti mezzi a videocamera comprendono almeno una, in particolare una prima ed una seconda, videocamera 24, 24. Advantageously, said video camera means comprise at least one, in particular a first and a second, video camera 24, 24.

Vantaggiosamente, detti mezzi a videocamera 24, 24 sono all’esterno dei mezzi di copertura o a tunnel e rilevano il prodotto alTinterno della copertura attraverso dei rispettivi mezzi apertura 26, 26, che sono provvisti in corrispondenza dei mezzi 20 definenti la camera 21 di rilevamento, in particolare in corrispondenza della parete di copertura 202 di questi. Advantageously, said video camera means 24, 24 are outside the covering or tunnel means and detect the product inside the covering through respective opening means 26, 26, which are provided in correspondence with the means 20 defining the detection chamber 21, in particular in correspondence with the covering wall 202 of these.

Vantaggiosamente, detti mezzi apertura 26, 26 sono provvisti in corrispondenza della mezzeria longitudinale della parete di copertura 202, ed in special modo sono previste una prima ed una seconda aperture 26, 26 angolarmente estese, le quali sono disposte, o si prolungano, in corrispondenza delle zone laterali della detta parete di copertura 202. Advantageously, said opening means 26, 26 are provided in correspondence with the longitudinal center line of the covering wall 202, and in particular a first and a second angularly extended openings 26, 26 are provided, which are arranged, or extend, in correspondence with of the lateral areas of said covering wall 202.

Vantaggiosamente, detti mezzi a videocamera 24, 24 presentano una posizione regolabile rispetto al prodotto da rilevare. Advantageously, said video camera means 24, 24 have an adjustable position with respect to the product to be detected.

Vantaggiosamente, detti mezzi a videocamera 24, 24 presentano una posizione regolabile secondo una direzione periferica o circonferenziale rispetto al prodotto da rilevare. Advantageously, said video camera means 24, 24 have an adjustable position according to a peripheral or circumferential direction with respect to the product to be detected.

Vantaggiosamente, detti mezzi a videocamera 24, 24 presentano una posizione regolabile radialmente rispetto al prodotto da rilevare. Advantageously, said video camera means 24, 24 have a radially adjustable position with respect to the product to be detected.

In particolare, detti mezzi a videocamera 24, 24 presentano una posizione regolabile secondo una direzione periferica o circonferenziale rispetto al prodotto da rilevare e regolabile radialmente rispetto al prodotto da rilevare. In particular, said video camera means 24, 24 have an adjustable position according to a peripheral or circumferential direction with respect to the product to be detected and radially adjustable with respect to the product to be detected.

Vantaggiosamente, sono previsti dei mezzi 25 di sostegno dei mezzi a video camera 24, 24. Advantageously, means 25 are provided for supporting the video camera means 24, 24.

Vantaggiosamente, detti mezzi 25 di sostegno dei mezzi a video camera sono all’esterno dei mezzi o parete di copertura 202. Advantageously, said means 25 for supporting the video camera means are outside the covering means or wall 202.

Vantaggiosamente, detti mezzi 25 di sostegno dei mezzi a videocamera comprendono una staffa 27 di supporto di una rispettiva videocamera 24, la quale è estesa, in particolare radialmente rispetto prodotto o ai mezzi di supporto del medesimo prodotto, in modo tale da definire diverse posizioni di fissaggio per la medesima videocamera 24. Advantageously, said means 25 for supporting the video camera means comprise a bracket 27 for supporting a respective video camera 24, which extends, in particular radially with respect to the product or to the supporting means of the same product, in such a way as to define different positions of fixing for the same camera 24.

Vantaggiosamente, detti mezzi 25 di sostegno dei mezzi a video camera sono all’esterno dei mezzi o parete di copertura 202 e preferibilmente sono sotto forma di corrispondenti mezzi configurati ad arco, in particolare estendentesi lungo l’intera o sostanzialmente l’intera estensione dei mezzi o parete di copertura 202, i quali preferibilmente presentano una pluralità di punti 29 di attacco per dei corrispondenti mezzi a videocamera 24, 24 in corrispondenti posizioni angolari. Advantageously, said means 25 for supporting the video camera means are outside the covering means or wall 202 and preferably are in the form of corresponding arch-shaped means, in particular extending along the entire or substantially the entire extension of the means. or covering wall 202, which preferably have a plurality of attachment points 29 for corresponding video camera means 24, 24 in corresponding angular positions.

Vantaggiosamente, detti mezzi 25 di sostegno dei mezzi videocamera 24 sono in corrispondenza o radialmente all’esterno dei detti mezzi apertura 26. Advantageously, said means 25 for supporting the video camera means 24 are in correspondence with or radially outside the said opening means 26.

Vantaggiosamente, detti mezzi 25 di sostegno configurati ad arco sono definiti da una corrispondente barra arcuata, che presenta in particolare una pluralità fori 29 di attacco per dei corrispondenti mezzi a videocamera 24, 24, in particolare la corrispondente staffa 27 di supporto di questi, i quali sono angolarmente distanziati tra di loro per definire detti punti 27 di attacco per i detti mezzi a videocamera 24, 24. Advantageously, said arch-shaped support means 25 are defined by a corresponding arched bar, which has in particular a plurality of attachment holes 29 for corresponding video camera means 24, 24, in particular the corresponding support bracket 27 thereof, which are angularly spaced from each other to define said attachment points 27 for said video camera means 24, 24.

Vantaggiosamente, detti punti 29 di attacco dei mezzi a videocamera 24, 24 sono distribuiti, in corrispondenza di ciascun lato dei mezzi a tunnel, o dei mezzi o parete di copertura 202, lungo un’estensione angolare compresa tra 20° e 80° rispetto all’orizzontale o àa parete di base o di fondo 201 dei mezzi a tunnel 20. Advantageously, said attachment points 29 of the video camera means 24, 24 are distributed, at each side of the tunnel means, or of the covering means or wall 202, along an angular extension of between 20 ° and 80 ° with respect to the horizontal or to the base or bottom wall 201 of the tunnel means 20.

Vantaggiosamente, in modo preferito, detti punti di attacco 29 sono distanziati angolarmente dagli adiacenti punti di attacco 29 di un intervallo angolare pari, sostanzialmente pari a, 5°. Advantageously, in a preferred way, said attachment points 29 are angularly spaced from the adjacent attachment points 29 by an equal angular interval, substantially equal to .5 °.

Vantaggiosamente, detti mezzi di rilevamento 14 comprendono dei rispettivi mezzi 28, 28 di illuminazione del prodotto. Advantageously, said detection means 14 comprise respective means 28, 28 for illuminating the product.

Vantaggiosamente, detti mezzi 28, 28 di illuminazione del prodotto sono sotto forma di mezzi di illuminazione a LED. Advantageously, said product lighting means 28, 28 are in the form of LED lighting means.

Vantaggiosamente, detti mezzi di illuminazione del prodotto emettono 28, 28 una luce continua. Advantageously, said means for illuminating the product emit 28, 28 a continuous light.

Vantaggiosamente, detti mezzi di illuminazione 28, 28 sono ad orientamento regolabile, in particolare ad orientamento regolabile angolarmente, in particolare secondo un piano trasversale alla direzione longitudinale di sviluppo dei mezzi a tunnel, e/o alla direzione di avanzamento del prodotto o di avanzamento dei mezzi 14 di supporto di questo. Advantageously, said lighting means 28, 28 are of adjustable orientation, in particular of angularly adjustable orientation, in particular according to a plane transversal to the longitudinal direction of development of the tunnel means, and / or to the direction of advancement of the product or of advancement of the means 14 for supporting this.

Preferibilmente, detti mezzi di illuminazione 28, 28 sono supportati su un corrispondente supporto 30, 30, che è girevole rispetto a corrispondenti mezzi di attacco 31, 31. Preferably, said lighting means 28, 28 are supported on a corresponding support 30, 30, which is rotatable with respect to corresponding attachment means 31, 31.

Vantaggiosamente, detti mezzi di illuminazione 28, 28 sono orientati in modo tale da dirigere l'illuminazione, in particolare prevalentemente, verso i mezzi o parete copertura 202 dei mezzi 20 definente la detta camera di rilevamento 21, ovvero verso la superficie interna dei detti mezzi o parete copertura 202. Advantageously, said lighting means 28, 28 are oriented in such a way as to direct the lighting, in particular mainly, towards the covering means or wall 202 of the means 20 defining said detection chamber 21, or towards the internal surface of said means or wall cover 202.

Vantaggiosamente, detti mezzi di illuminazione comprendono dei primi e dei secondi mezzi di illuminazione 28, 28, in particolare disposti ai lati del prodotto, ovvero dei mezzi 12 di supporto del prodotto, in particolare tra detti mezzi 12 di supporto del prodotto e la corrispondente parete 202 dei mezzi a tunnel 20. Advantageously, said lighting means comprise first and second lighting means 28, 28, in particular arranged at the sides of the product, or means 12 for supporting the product, in particular between said means 12 for supporting the product and the corresponding wall 202 of the tunnel vehicles 20.

Vantaggiosamente, detti mezzi di illuminazione 28, 28 sono disposti di fianco al prodotto da rilevare, in particolare di fianco ai mezzi 12 di supporto del medesimo prodotto. Advantageously, said lighting means 28, 28 are arranged alongside the product to be detected, in particular alongside the support means 12 for the product itself.

Vantaggiosamente, detti mezzi di illuminazione 28, 28 comprendono almeno una striscia luminosa a LED, ovvero composta da una pluralità di LED tra di loro allineati. Advantageously, said lighting means 28, 28 comprise at least one LED light strip, that is composed of a plurality of mutually aligned LEDs.

Vantaggiosamente, detti mezzi di illuminazione 28, 28 sono posizionati sulla detta base o parete di fondo 201 dei mezzi a tunnel 20. Advantageously, said lighting means 28, 28 are positioned on said base or bottom wall 201 of the tunnel means 20.

Vantaggiosamente, detti mezzi di illuminazione 28, 28 emettono una luce bianca. Advantageously, said lighting means 28, 28 emit a white light.

Vantaggiosamente, detti mezzi di illuminazione 28, 28 emettono una radiazione corrispondente a quella del prodotto da rilevare. Advantageously, said lighting means 28, 28 emit a radiation corresponding to that of the product to be detected.

In particolare, qualora si volesse rilevare un prodotto, ad esempio una mela, di colore rosso, o di prevalente colore rosso, detti mezzi di illuminazione potrebbero emettere una radiazione rossa e così facilitare la visualizzazione del medesimo prodotto. In particular, if it is desired to detect a product, for example an apple, of a red color, or of a predominantly red color, said illumination means could emit a red radiation and thus facilitate the display of the same product.

Vantaggiosamente, detti mezzi 20 definenti la camera 21 di rilevamento del prodotto, in particolare detti mezzi o parete copertura 202, sono rivestiti o verniciati internamente in modo tale da definire dei mezzi di diffusione della luce. Advantageously, said means 20 defining the product detection chamber 21, in particular said covering means or wall 202, are internally coated or painted in such a way as to define light diffusion means.

In particolare, come si evince dalle corrispondenti figure, detti mezzi di illuminazione 28, 28 sono atti a indirizzare la radiazione emessa almeno parzialmente, o prevalentemente, verso l’alto. In particular, as can be seen from the corresponding figures, said lighting means 28, 28 are designed to direct the emitted radiation at least partially, or mainly, upwards.

Vantaggiosamente, è previsto che i detti mezzi di supporto 12 siano atti a movimentare, o a far ruotare, il prodotto nella posizione di rilevamento, ovvero siano tali da consentire ai detti mezzi a videocamera 24, 24 di riprendere sostanzialmente ogni punto della superficie esterna del medesimo prodotto. Advantageously, said support means 12 are designed to move or rotate the product in the detection position, or to allow said video camera means 24, 24 to film substantially every point of the external surface of the same. product.

Vantaggiosamente, nel presente impianto o linea di trattamento o di convogliamento dei prodotti, i mezzi di supporto 12 sono atti eseguire un movimento di ribaltamento che consente di scaricare il prodotto dai medesimi mezzi di supporto 12. Advantageously, in the present plant or line for processing or conveying the products, the support means 12 are able to perform a tilting movement which allows the product to be discharged from the same support means 12.

Vantaggiosamente, è altresì previsto che detti mezzi a processore 16 siano configurati in modo tale da rilevare il calibro e/o il colore del prodotto ortofrutticolo. Advantageously, it is also provided that said processor means 16 are configured in such a way as to detect the size and / or color of the fruit and vegetable product.

In particolare, come illustrato, detti mezzi a processore 16 comprendono dei mezzi di interfaccia con l’utente, in particolare sotto forma di mezzi di interfaccia visiva, i quali sono in special modo definiti da un corrispondente display 18. In particular, as illustrated, said processor means 16 comprise means for interfacing with the user, in particular in the form of visual interface means, which are especially defined by a corresponding display 18.

Vantaggiosamente, come si evince dalla corrispondente figura, detti mezzi di interfaccia 18 comprendono, o visualizzano, dei mezzi, o sezione, 181 di controllo dell’apparato, i quali sono attivi durante il funzionamento dell’apparato, ovvero durante le fasi di rilevamento dei prodotti. Advantageously, as can be seen from the corresponding figure, said interface means 18 comprise, or display, means, or section, 181 for controlling the apparatus, which are active during the operation of the apparatus, or during the detection phases of the products.

Vantaggiosamente, come si evince dalla corrispondente figura, detti mezzi di interfaccia 18 comprendono, o visualizzano, dei mezzi, o sezione, 182 di analisi dei risultati del rilevamento, i quali non sono attivi durante il normale funzionamento dell’apparato, ovvero durante le fasi di rilevamento dei prodotti. Advantageously, as can be seen from the corresponding figure, said interface means 18 comprise, or display, means, or section, 182 for analyzing the results of the detection, which are not active during normal operation of the apparatus, or during the phases product detection.

In pratica, come è evidente, le sopra illustrate caratteristiche tecniche consentono, singolarmente o in rispettiva combinazione, al presente apparato di conseguire uno o più dei seguenti risultati vantaggiosi: - avere una particolare efficienza nel rintracciare corrispondenti prodotti difettosi richiedendo l’impiego di minime risorse hardware per la loro implementazione; In practice, as is evident, the above technical characteristics allow, individually or in respective combination, this apparatus to achieve one or more of the following advantageous results: - have a particular efficiency in tracing corresponding defective products requiring the use of minimal resources hardware for their implementation;

- essere del tutto non fastidioso per il personale addetto; - be completely non-annoying for the staff in charge;

- presentare dimensioni particolarmente ridotte; ed - have particularly small dimensions; and

- essere particolare agevole da installare e/o da manutenere. - be particularly easy to install and / or to maintain.

il trovato così concepito è suscettibile di evidente applicazione industriale. Il tecnico del ramo potrà, inoltre, immaginare numerose varianti e/o modifiche da apportare al trovato illustrato nella specifica realizzazione preferita, pur rimanendo neH’ambito del concetto inventivo, come ampiamente esposto. Inoltre, si possono immaginare ulteriori realizzazioni preferite del trovato che comprendano una o più delle sopra illustrate caratteristiche. Deve essere, inoltre, inteso che tutti i dettagli possono essere sostituiti da elementi tecnicamente equivalenti. the invention thus conceived is susceptible of evident industrial application. The person skilled in the art will also be able to imagine numerous variations and / or modifications to be made to the invention illustrated in the specific preferred embodiment, while remaining within the scope of the inventive concept, as amply disclosed. Furthermore, further preferred embodiments of the invention can be imagined which include one or more of the above illustrated characteristics. It must also be understood that all the details can be replaced by technically equivalent elements.

Claims

CLAIMS 1. Apparatus (10) for the detection of fruit and vegetables; in particular of defective fruit and vegetable products, preferably within a plant or line (11) for conveying and appropriate treatment, in particular selection, of said fruit and vegetable products; comprising means (12) for supporting the products, in particular in the form of support means movable along a respective line for conveying the same products (11); means (14) for detecting one or more images, in particular digital ones, of the respective product arranged on said support means; and processor means (16) which are suitable for processing said images, in particular digital ones, of the respective product, and which are capable of defining a specific condition or characteristic of the respective product, in particular in such a way as to allow to control a subsequent operation on said product, in particular an operation of unloading the same product, especially from said product support means (12); characterized by the fact that said processor means (16) are configured in such a way as to be able to learn to recognize defects, in particular superficial, present on the image of the respective product.

2. Apparatus according to claim 1, characterized in that, in order to learn to recognize defects, in particular superficial ones, present on the image of the respective product, the processor means (16) are configured in such a way that they can be subjected to a set learning, in particular in which they analyze corresponding images, in particular digital ones, of products having respective defects, in particular surface defects.

3. Apparatus according to any one of the preceding claims or according to the pre-characterizing part of claim 1, characterized in that said processor means (16) are configured in such a way as to perform an automatic search for areas of interest in the detected digital image corresponding surface defects of the respective product through the following operational steps: - providing a mathematical representation of a region of said digital image; And - provide, for said area of the digital image, starting from said representation of the same digital area, a numerical value that is representative of the probability of containing one of the area of interest.

4. Apparatus according to claim 3, characterized in that said step of providing a mathematical representation of a zone of said digital image is carried out through a representation with respective numerical coefficients of the respective zone of the digital image.

5. Apparatus according to any one of the preceding claims 3 and 4, characterized in that said step of providing a mathematical representation of a zone of said digital image is carried out through a representation with scattering network coefficients.

6. Apparatus according to any one of the preceding claims 3 to 5, characterized in that said step of providing, for said zone of the digital image, starting from said representation of the same digital zone, a numerical value which is representative of the probability of containing a area of interest, is carried out using at least one classifier, in particular in the form of a linear classifier called Support Vector Machine (SVM) operating on said scattering network coefficient representation of the same zone of the digital image.

7. Apparatus according to claim 6, characterized in that said linear classifier is defined by the linear classifier called Support Vector Machine (SVM), preferably operating on said representation with scattering network coefficients of the same zone of the digital image.

8. Apparatus according to any one of the preceding claims, characterized in that said processor means are configured in such a way as to highlight, or not, in particular on corresponding display or user interface means (18), said area of interest of interest said digital image on the basis of said numerical value.

9. Apparatus according to any one of the preceding claims 7 and 8, characterized in that the linear classifier called Support Vector Machine (SVM) is in primal form.

10. Apparatus according to any one of the preceding claims from 6 to 9, characterized in that said processor means are configured in such a way as to train said classifier through a set of examples of areas of interest or defective, or of examples of images containing areas of interest or defective.

11. Apparatus according to any one of the preceding claims from 6 to 10, characterized in that said processor means (16) are configured in such a way as to proceed with the selection of windows of the respective image with greater probability of containing the area of interest or defect .

12. Apparatus according to claim 11, characterized in that said processor means (16) are configured in such a way that, in order to proceed with the selection of the windows with greater probability of containing the area of interest or faulty, for each window a group of neighbors, choosing the spatially close windows; within this group, a candidate is elected, ie the window with the highest probability of containing the object or area of interest.

13. Apparatus according to claim 12, characterized in that said processor means (16) are configured in such a way that all the elected windows are stored in a respective list, while, in particular, all the unelected windows are discarded.

14. Apparatus according to any one of the preceding claims 12 and 13, characterized in that said processor means (16) are configured in such a way that the entire window selection process is more likely to contain the affected or defective area, it is repeated for different dimensions of the scanning window to search for areas of interest or defects of different dimensions, in particular in such a way as to produce as many or a plurality of lists containing selected windows as the dimensions sought.

15. Apparatus according to claim 14, characterized by the fact that said processor means (16) are configured in such a way that the windows contained in said lists are inserted in a single list, ordered in descending direction according to the numerical value associated with them. , which numerical value is used as a ranking estimate in probability.

16. Apparatus according to claim 15, characterized in that said processor means (16) are configured in such a way that the windows contained in said lists are inserted in a single list, ordered in descending order based on the numerical value associated with them. , which numerical value is used as a ranking estimate in probability.

17. Apparatus according to claim 16, characterized in that said processor means (16) are configured in such a way that, between said windows, those with probability ranking lower than a predetermined threshold (t) are rejected.

18. Apparatus according to any one of the preceding claims 16 and 17, characterized in that said processor means (16) are configured in such a way as to select the first n windows, where n is a predetermined value, said residual windows in particular being the windows that at all search dimensions have obtained the highest probability ranking of containing an area of interest or defect.

19. Apparatus according to claim 18, characterized in that said processor means (16) are configured in such a way as to proceed to a subsequent filtering step of these residual windows, in particular by looking in the geometric neighborhood of each window if there is any there are others.

20. Apparatus according to claim 19, characterized in that said processor means (16) are configured in such a way that, if in the geometric neighborhood of each window under examination, the respective window is isolated, it is rejected.

21. Apparatus according to any one of the preceding claims 19 and 20, characterized in that said processor means (16) are configured in such a way that, if there are others in the geometric neighborhood of each window under examination, all these plus the window in question are grouped in a single new window to which the centroid of the component windows is associated as the center, and preferably the average size of the component windows as a dimension, and especially a combination of probability rankings as a probability ranking value of the components.

22. Apparatus according to claim 21, characterized in that said processor means (16) are configured in such a way that these new windows are then inserted in a new list, sorted in descending order according to their probability ranking value.

23. Apparatus according to claim 22, characterized in that said processor means (16) are configured in such a way that only the first k windows of this new list, with k predetermined parameter, are displayed by superimposing them graphically on the original image; in particular in such a way that the overlay of the edge of the window allows to visually grasp the center and the size of the area of interest or defect identified and / or in such a way that the color used for the overlay is associated with the probability ranking value.

24. Apparatus according to any one of the preceding claims, characterized in that said processor means (16) are configured in such a way as to cause a window of fixed size to scan the image moving from right to left from top to bottom with predetermined pitch, preferably with a pitch of about 1/10 of its linear dimensions; and from the fact that for each window identified in this way the portion of the image contained in the window is extracted.

25. Apparatus according to any one of the preceding claims or according to the pre-characterizing part of claim 1, characterized in that said detection means (14) comprise means (20) defining a detection or vision chamber or box (21), of the product.

26. Apparatus according to claim 25, characterized in that said means (20) defining the product detection chamber (21) comprise a base or bottom wall (201), in particular which extends laterally, and preferably in correspondence with both sides transverse, with respect to said product support means (12).

27. Apparatus according to any one of the preceding claims 25 and 26, characterized in that said means defining the product detection chamber (21) define tunnel means (20) for the passage of the products having an opening (20i) for the inlet of the products. products within the same tunnel means (20) and an opening (20u) for the outlet of the products from said tunnel means (20), preferably provided at the longitudinal ends of the same tunnel means (20).

28. Apparatus according to any one of the preceding claims from 25 to 27, characterized in that said means (20) defining the product detection chamber (21) comprise a covering wall (202), in particular in the form of an angularly extended, preferably circumferentially extended, and especially whose lateral ends (202a, 202b) extend from, and / or are connected to, said base or bottom wall (201).

29. Apparatus according to any one of the preceding claims from 25 to 28, characterized in that said means (20) defining the product detection chamber (21) comprise a first and a second opposite transverse walls (203, 204), preferably in corresponding to which respective inlet (20i) and outlet (20u) openings are provided, in particular opening at the lower edge of the respective transverse wall (203, 204).

30. Apparatus according to any one of the preceding claims or according to the pre-characterizing part of claim 1, characterized in that said detection means (14) comprise video camera means (24, 24).

31. Apparatus according to claim 30, characterized in that said video camera means comprise at least one, in particular a first and a second, video camera (24, 24).

32. Apparatus according to any one of the preceding claims 30 and 31, characterized in that said video camera means (24, 24) are outside the covering or tunnel means and detect the product through respective opening means (26, 26) provided in correspondence with the means (20) defining the detection chamber (21), in particular in correspondence with the covering wall (202) thereof.

33. Apparatus according to claim 32, characterized in that said opening means (26, 26) are provided in correspondence with the longitudinal center line of the covering wall (202).

34. Apparatus according to any one of the preceding claims 32 and 33, characterized in that a first and a second angularly extended openings (26,26) are provided, which are arranged, or extend, in correspondence with the lateral areas of said wall cover (202).

35. Apparatus according to any one of the preceding claims from 30 to 34, characterized in that said video camera means (24, 24) have an adjustable position with respect to the product to be detected.

36. Apparatus according to any one of the preceding claims from 30 to 35, characterized in that said video camera means (24, 24) have an adjustable position according to a peripheral or circumferential direction with respect to the product to be detected.

37. Apparatus according to any one of the preceding claims from 30 to 36, characterized in that said video camera means (24, 24) have a radially adjustable position with respect to the product to be detected.

38. Apparatus according to any one of the preceding claims from 30 to 37, characterized in that means (25) for supporting the video camera means (24, 24) are provided.

39. Apparatus according to claim 38, characterized by the fact that said means (25) for supporting the video camera means are outside the covering means or wall (202).

40. Apparatus according to any one of the preceding claims 38 and 39, characterized in that said means (25) for supporting the video camera means comprise a bracket (27) for supporting a respective video camera (24), which is extended, in particular radially with respect to the product or to the support means of the same product, in such a way as to define different fixing positions for the same video camera (24).

41. Apparatus according to any one of the preceding claims 38 to 40, characterized in that said means (25) for supporting the video camera means are outside the covering means or wall (202) and preferably are in the form of corresponding arc-shaped means, in particular extending along the entire or substantially the entire extension of the covering means or wall (202), which preferably have a plurality of attachment points (29) for corresponding video camera means (24, 24) in corresponding angular positions.

42. Apparatus according to claim 41, characterized in that said arch-shaped support means (25) are defined by a corresponding arched bar, which in particular has a plurality of attachment holes (29) for corresponding video camera means (24 , 24), in particular the corresponding support bracket (27) of these, which are angularly spaced from each other to define said attachment points (27) for said video camera means (24, 24).

43. Apparatus according to any one of the preceding claims 41 and 42, characterized in that said points (29) of attachment of the video camera means (24, 24) are distributed, at each side of the tunnel means, or of the means or covering wall (202), along an angular extension between 20 and 80 with respect to the horizontal or to the base or bottom wall (201) of the tunnel means (20).

44. Apparatus according to claim 43, characterized in that said attachment points (29) are angularly spaced from the adjacent attachment points (29) by an equal angular interval, substantially equal to, 5

45. Apparatus according to any one of the preceding claims or according to the pre-characterizing part of claim 1, characterized in that said detection means (14) comprise respective means (28, 28) for illuminating the product.

46. Apparatus according to claim 45, characterized in that said means (28, 28) for lighting the product are in the form of LED lighting means.

47. Apparatus according to any one of the preceding claims 45 and 46, characterized in that said means for illuminating the product emit (28, 28) a continuous light.

48. Apparatus according to any one of the preceding claims from 45 to 47, characterized in that said lighting means (28, 28) are with adjustable orientation, in particular with angularly adjustable orientation, preferably being supported on a corresponding support (30, 30 ) rotatable, especially with respect to corresponding attachment means (31, 31).

49. Apparatus according to any one of the preceding claims from 45 to 48, characterized in that said lighting means (28, 28) are oriented in such a way as to direct the lighting, in particular mainly, towards the covering means or wall (202 ) of the means (20) defining the said detection chamber (21), or towards the internal surface of the said means or covering wall (202).

50. Apparatus according to any one of the preceding claims from 45 to 49, characterized in that said lighting means comprise first and second lighting means (28, 28), in particular arranged at the sides of the product, or means (12 ) for supporting the product, in particular between said means (12) for supporting the product and the corresponding wall (202) of the tunnel means (20).

51. Apparatus according to any one of the preceding claims from 45 to 50, characterized in that said lighting means (28, 28) are arranged next to the product to be detected, in particular alongside the support means (12) for the same product .

52. Apparatus according to any one of the preceding claims from 45 to 51, characterized in that said lighting means (28, 28) comprise at least one LED light strip, or composed of a plurality of mutually aligned LEDs.

53. Apparatus according to any one of the preceding claims 45 to 52, characterized in that said lighting means (28, 28) are positioned on said base or bottom wall (201) of the tunnel means (20).

54. Apparatus according to any one of the preceding claims from 45 to 53, characterized in that said lighting means (28, 28) emit a white light.

55. Apparatus according to any one of the preceding claims from 45 to 54, characterized in that said illumination means emit a radiation corresponding to that of the product to be detected.

56. Apparatus according to any one of the preceding claims from 45 to 55, characterized in that said means (20) defining the product detection chamber (21), in particular said covering means or wall (202), are internally coated or painted in such a way as to define light diffusion means.

57. Apparatus according to any one of the preceding claims, characterized in that said support means (12) are adapted to move or rotate the product in the detection position.

58. Apparatus according to any one of the preceding claims, characterized in that said support means (12) are able to perform a tilting movement which allows the product to be unloaded from the same support means (12).

59. Apparatus according to any one of the preceding claims or according to the pre-characterizing part of claim 1, characterized in that said processor means (16) are configured in such a way as to detect the size and / or color of the fruit and vegetable product.

60. Apparatus according to any one of the preceding claims or according to the pre-characterizing part of claim 1, characterized in that it comprises display or user interface means (18), in particular in the form of a corresponding display.

61. Apparatus according to claim 60, characterized in that said interface means (18) comprise, or display, means, or section, control of the apparatus, which are active during the operation of the apparatus, or during the product detection phases.

62. Apparatus according to any one of the preceding claims 60 and 61, characterized in that said interface means (18) comprise, or display, means, or section, (182) for analyzing the results of the detection, which are not active during normal operation of the apparatus, i.e. during the product detection phases.

63. Apparatus according to any one of the preceding claims or according to the pre-characterizing part of claim 1, characterized in that said processor means (16) are configured in such a way as to implement an automatic recognition method of defects, in particular superficial defects, present on the image, in particular digital, of a respective fruit and vegetable product, which presents one or more of the following phases: a) submit or have previously subjected the classifier to a corresponding training set, b) enter the image (input image), e) fix the size of the image scan window, d) crop and resize each window scanned from the image, e) perform the scattering transform of the crop or portion of the window, f) create a corresponding vector of the scattering coefficients of the respective cutout or portion, g) classify the vector with the SVM (Support Vector Machine), h) repeat the above operations from c) to f) with scanning windows of different sizes, i) select some clippings of interest for a given scale, j) repeat the above operations from b) to i) for all the scales of the image, k) select some clippings of interest for all the scales, L) create an output image (output image with any highlighted areas).

64. Method for the detection of fruit and vegetables; in particular of defective fruit and vegetables, as set forth in any one of the corresponding preceding claims.

65. plant (11) for conveying and processing, in particular selection, of respective fruit and vegetable products; characterized in that it comprises an apparatus (10) for detecting fruit and vegetable products; in particular of defective fruit and vegetable products according to any one of the preceding claims.

66. Apparatus, plant and method, each respectively characterized in that it is as provided in any one of the corresponding preceding claims and / or as described and illustrated with reference to the figures of the accompanying drawings.