Искусственный интеллект приспособили для умной сортировки фруктов и овощей
Технологии машинного обучения для определения спелости и качества овощей и фруктов с целью автоматизации определения их потребительских свойств разработала кампания Intello Labs, базирующейся в Нью-Джерси со штаб-квартирой в Гуруграме, Индия. Об этом 4 сентября пишет издание AgFunderNews.
В последние несколько лет искусственный интеллект (ИИ) укрепил свое лидерство в области точной визуальной идентификации. Технология нашла применение во множестве задач, которые связанные с обработкой изображений. Он превзошел технологии прошлого поколения в области обнаружения, классификации и сегментации объектов.
Определение параметров качества свежей продукции и их измерение для приемки является более сложным делом по сравнению с другими сырьевыми ингредиентами. Однородность, спелость, цвет, блеск и отсутствие дефектов — это лишь некоторые из составляющих качества. Оценка их может быть субъективной. Но внешний вид фруктов и овощей общепризнан как первый качественный детерминант.
Несоблюдение критериев цвета свежих продуктов может отрицательно сказаться на стоимости и качестве готового продукта. Это относится к широкому спектру товаров пищевой промышленности.
«Решения на основе искусственного интеллекта обладают высокой способностью устранять проблемы с цветом в гетерогенном сценарии и критериями приемлемости цвета почти для всех свежих продуктов. Но это не единственная выгода. Он может делать это в самых разнообразных условиях освещения», — сообщает Девендра Чандани соучредитель и глава компании Intello Labs
Самая большая трудность в определении цвета свежих продуктов — это неоднородность. Фрукт или овощ может быть не одного цвета, а разных оттенков одного и того же цвета. Один кусок может также иметь различные цвета, смешивающиеся друг с другом.
«Хороший пример тому — помидоры. Один помидор может иметь красный, оранжевый и светло-зеленый цвета и все еще быть приемлемого качества. Другой пример — яблоки, которые могут иметь различные оттенки красного цвета в зависимости от сорта», — поясняет Чандани.
Неоднородность окраски свежих продуктов затрудняет установление и измерение приемлемых критериев. Прямо сейчас пищевая промышленность использует батарею оборудования для измерения цвета как в ингредиентах, так и в готовых продуктах. Чаще всего это оборудование включает в себя колориметры, спектрофотометры и машины для идентификации цвета на основе изображений.
Такая техника может обнаружить, например, что помидор на 80% красный и на 20% светло-зеленый. Но когда показывают пять разных помидоров вместе, где один кажется светло-зеленым, а другие четыре красными, такие инструменты терпят неудачу. Поскольку комбинированный состав все еще на 80% красный и на 20% светло-зеленый, это часто приводит к ложным срабатываниям.
ИИ позволяет достичь совершенства в решении этих задач. Он «тренируется» на большой выборке изображений, где продукты размечены по приемлемым и неприемлемым параметрам.
Кроме того, благодаря облачным технологиям решение становится портативным. Это означает, что можно легко получить доступ к этой технологии с помощью портативного устройства, такого как мобильный телефон.
