Нейронная сеть научилась предсказывать качество фруктов после длительного хранения

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 качество яблок после длительного хранения. Результаты исследования опубликованы в журнале Computers and Electronics in Agriculture. За время длительного хранения мякоть фруктов и овощей может потемнеть, а на кожице появиться коричневые или черные пятна, что может привести к гибели значительной части продукции. Поскольку на их качество и сохранность влияет множество факторов, связанных с процессом выращивания и хранения, решить эту задачу далеко не просто. Старший преподаватель Сколтеха Павел Осиненко и его коллеги собрали данные за три года по саду в Германии, где растут яблоки сорта Брэбурн. Это были метеоданные и информация о содержании в плодах хлорофилла, антоцианов и растворимых твердых и сухих веществ. Получали их 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. Авторы методики уже получили предложения о сотрудничестве от производителей других видов фруктов и даже овощей, поскольку предложенный метод применим и для овощной продукции. Источник: Сколтех