Нейросеть научилась предсказывать качество фруктов после длительного хранения
30 март 2021 14:40 #101315
от ICT
Исследователь Сколтеха и его коллеги из Германии разработали алгоритм классификации на основе нейронной сети, с помощью которого по данным мониторинга из яблоневого сада можно предсказывать их качество после длительного хранения. Прежде чем фрукты и овощи попадают к нам на стол, они проводят немало времени в специальных хранилищах. За время длительного хранения их мякоть может потемнеть, а на кожице могут появиться коричневые или черные пятна, что может привести к гибели значительной части продукции. Для решения этой проблемы проводятся многочисленные исследования по разработке надежных методов предсказания возможной порчи продукции в процессе хранения. Поскольку на качество и сохранность свежих фруктов и овощей влияет множество факторов, связанных с процессом их выращивания и хранения, решить эту задачу не так просто. Старший преподаватель Сколтеха Павел Осиненко (в прошлом сотрудник Лаборатории автоматического управления и системной динамики Хемницкого технического университета) и его коллеги собрали данные за три года по саду, где растут яблоки сорта Брэбурн, в Германии, включая метеоданные и информацию о содержании в плодах хлорофилла, антоцианов и растворимых твердых и сухих веществ, полученную неразрушающим методом с помощью датчиков спектроскопии видимого и ближнего инфракрасного диапазонов. Исследователи также использовали результаты оценки качества фруктов после хранения, учитывая, что покупатель предпочитает красивые на вид и крепкие, хрустящие яблоки (для оценки этих качеств существует отдельный показатель). "Наш опыт работы с экспериментальным садом в Германии, который является типичным садовым хозяйством, показывает, что разработанную методику можно без особого труда внедрять в сельском хозяйстве", − подчеркнул Павел Осиненко. Исследователи разработали алгоритм классификации на основе рекуррентной нейронной сети и обучили его на данных о фруктовых садах. В 80% случаев алгоритм успешно справился с задачей прогнозирования потемнений мякоти, вмятин на поверхности яблока, а также степени твердости плода. "Это, несомненно, успешный результат, поскольку речь идет об автоматизированном решении, практически не требующем участия человека. Для доработки алгоритма потребуются дополнительные данные и донастройка, но на этапе подтверждения концепции (proof of concept) достигнутый результат выглядит многообещающе", − отмечает Павел Осиненко. Он добавляет, что разработанная методика построена по предсказательному принципу, что позволит фермерам использовать данные классификатора для повышения урожайности. Авторы методики уже получили предложения о сотрудничестве от производителей других видов фруктов и даже овощей, поскольку предложенный метод применим и для овощной продукции.
Ссылка на источник
Пожалуйста Войти или Регистрация, чтобы присоединиться к беседе.
Похожие статьи
Тема | Релевантность | Дата |
---|---|---|
Нейросеть научилась различать породы деревьев | 14.45 | Четверг, 28 января 2021 |
Нейросеть научилась создавать трехмерные модели лиц по одной фотографии | 14.14 | Пятница, 09 декабря 2016 |
Нейросеть в Yandex Cloud научилась рисовать совместно с художником | 14.14 | Четверг, 08 декабря 2022 |
В ТГУ нейросеть научилась определять типы почв и давать советы агрономам | 13.99 | Вторник, 11 октября 2022 |
В Google научили нейросеть оценивать качество фотографий и выбирать лучшие | 12.59 | Пятница, 22 декабря 2017 |
Как изменилось качество мобильной связи в мире год спустя после запуска 5G | 10.94 | Четверг, 04 июня 2020 |
Netflix начал повышать качество стриминга в Европе после снижения в марте | 10.82 | Среда, 13 мая 2020 |
«Швабе» создал новый прибор для длительного и микрообъемного введения лекарств | 9.64 | Четверг, 24 января 2019 |
Сотовым абонентам в Крыму возвращают деньги из-за длительного отсутствия связи | 9.64 | Понедельник, 11 февраля 2019 |
«Яндекс» научился предсказывать погоду | 8.92 | Четверг, 26 ноября 2015 |