Яблоки и интеллект

Прежде чем фрукты и овощи попадут на стол к городскому жителю, они проведут немало времени в различных хранилищах и упаковке. За это время на поверхности иногда появляются точки или пятна, может пойти гниль изнутри, бывает, что и вся партия приходит в негодность. Чтобы не списывать товар, полезно научиться предсказывать порчу. Решить эту задачу далеко не просто, поскольку на качество и сохранность влияет множество факторов.

Российские и немецкие исследователи разработали новейший алгоритм на базе нейронной сети: он может предсказывать, каким станет качество яблок после длительного хранения. Для обучения сети старший преподаватель Сколтеха Павел Осиненко и его коллеги из Хемницкого технического университета три года собирали в одном из немецких садов разнообразную информацию об урожаях яблок сорта Брэбурн. Она включала в себя погодные условия, а также спектроскопические данные видимого и ближнего ИК-диапазона о содержании в плодах хлорофилла, антоцианов и других веществ. Как отдельный параметр использовали качество фруктов после хранения. Программа учитывала тот факт, что покупатель предпочитает красивые, крепкие и хрустящие яблоки.

В 80% случаев алгоритм успешно прогнозировал, когда свежесобранное яблоко потемнеет, на нем появятся вмятины и какой станет твердость некоторое время спустя. «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 начальном этапе наш результат выглядит многообещающе», — отмечает Осиненко. Он подчеркнул, что опыт работы с типичным садовым хозяйством ЕС показывает: методику можно будет внедрить без особого труда. Предсказательная сила алгоритма позволит фермерам использовать его данные также для повышения урожайности. Авторы уже получили предложения о сотрудничестве от производителей других видов фруктов и даже овощей.

(Computers and Electronics in Agriculture, 2021, 183, 106015)