Искусственный интеллект на смартфоне предсказывает степень зрелости авокадо

от

Исследователи разработали систему искусственного интеллекта для смартфонов, которая точно предсказывает степень зрелости и внутреннее качество авокадо.

«Авокадо — одни из самых часто пропадающих фруктов в мире из-за перезревания», — говорит Люяо Ма, доцент Университета штата Орегон. «Наша цель — создать инструмент, который поможет потребителям и розничным продавцам принимать более взвешенные решения о том, когда использовать или продавать авокадо».

Исследовательская группа, состоящая из учёных из Университета штата Орегон и Университета штата Флорида, обучила модели искусственного интеллекта, используя более 1400 изображений авокадо сорта Hass, сделанных на iPhone. Система с точностью почти 92% предсказала твёрдость, ключевой показатель зрелости, и с точностью более 84% — внутреннее качество (свежесть или гниль).

Результаты были опубликованы в журнале Current Research in Food Science.

Исследователи считают, что точность можно улучшить, добавив в модель больше изображений. Они также отмечают, что технология может использоваться для оценки зрелости и качества других продуктов питания.

Они надеются усовершенствовать технологию, чтобы потребители могли использовать её дома для определения оптимального времени употребления авокадо, избегая разочарования от того, что разрезаешь перезрелый плод.

Команда также видит потенциал применения технологии на предприятиях по переработке авокадо, где её можно использовать для более качественной сортировки и классификации плодов. Например, если система обнаружит, что партия более спелая, её можно отправить в ближайший розничный магазин, а не в более отдалённый. Розничные продавцы также могут использовать технологию для определения, какие авокадо следует продавать в первую очередь, исходя из их зрелости.

Эти результаты основаны на предыдущих исследованиях, в которых использовались изображения и методы машинного обучения для оценки качества продуктов питания. Однако более ранние исследования полагались на ручной выбор признаков и традиционные алгоритмы машинного обучения, что ограничивало точность прогнозов, — говорит Ин-Хван Ли, докторант, работающий с Ма над проектом.

«Чтобы преодолеть эти ограничения, мы использовали подходы глубокого обучения, которые автоматически захватывают более широкий спектр информации, включая форму, текстуру и пространственные закономерности, чтобы повысить точность и надёжность прогнозов качества авокадо», — сказал Ли.

Ма выбрала авокадо из-за их высокой рыночной стоимости и высокого уровня отходов. Она также отметила личную мотивацию: как частый потребитель тостов с авокадо, она часто сталкивалась с проблемой — не знала, когда авокадо идеально спелые, и в результате часто резала перезрелые плоды.

Исследование решает важную глобальную задачу — проблему пищевых отходов. Около 30% мирового производства продуктов питания выбрасывается. В ответ на эту проблему Министерство сельского хозяйства США и Агентство по охране окружающей среды поставили национальную цель сократить пищевые отходы на 50% к 2030 году.

«Авокадо — это только начало», — говорит Ма. «Эта технология может быть применена гораздо шире, помогая потребителям, розничным продавцам и дистрибьюторам принимать более взвешенные решения и сокращать количество отходов».

Чженгао Ли из Университета штата Флорида также является соавтором статьи. Ма и Ли работают на кафедре пищевых наук и технологий в Колледже сельскохозяйственных наук Университета штата Орегон. Ма также сотрудничает с кафедрой биологической и экологической инженерии.

Предоставлено Университетом штата Орегон.

Источник

Другие новости по теме

Другие новости на сайте