Новое исследование китайских ученых дает представление о том, что может произойти в ближайшем будущем в сфере контроля качества при производстве картофеля: будет внедрена умная система, которая использует искусственный интеллект (ИИ) для автоматического выявления дефектов картофеля и определения того, пригоден ли каждый клубень для употребления в пищу или для посадки, пишет отраслевой картофелеводческий портал Spud Smart.
Исследователи из Хунаньского сельскохозяйственного университета разработали новую модель искусственного интеллекта YOLO-MTP, специально предназначенную для проверки картофеля. Она объединяет две ключевые задачи, которые обычно решаются раздельно: выявление видимых поверхностных дефектов и определение пригодности картофеля в пищу или для использования в качестве семенного материала.
Большинство существующих систем обнаружения могут делать только одно — они могут либо выявлять дефекты, либо классифицировать картофель как хороший или плохой, но не то и другое одновременно.
YOLO-MTP меняет это. Созданная на основе передовой системы распознавания изображений, модель анализирует поверхность картофеля и одновременно выполняет обе задачи. Модель может распознавать шесть распространенных типов поверхностных проблем: паршу, червоточины, прорастание, механические повреждения, сухую гниль и синяки, — а также определять, можно ли считать картофель съедобным.
Для создания и тестирования системы команда собрала более тысячи изображений картофеля с дефектами и без них с местных рынков провинции Хунань. Некоторые дефекты возникали естественным образом из-за вредителей или проблем с хранением, а другие были созданы намеренно, чтобы научить систему распознавать их в разных условиях.
После обучения модель ИИ показала впечатляющие результаты. Она правильно определяла дефекты картофеля с точностью более 96% и поддерживала скорость обработки в режиме реального времени, что позволяло ей не отставать от конвейерной ленты на коммерческой сортировочной линии. Кроме того, она доказала способность обрабатывать несколько дефектов на одной картофелине, чего не могли сделать большинство старых систем.
Исследователи добились такой точности, научив систему более эффективно «фокусироваться» на небольших или перекрывающихся проблемных участках. Они использовали передовые методы, чтобы помочь модели понять, какие признаки наиболее важны, например, отличить небольшой синяк от ранней стадии сухой гнили или незначительного прорастания.
Хотя YOLO-MTP всё ещё находится на стадии исследований, потенциальные возможности его применения многообещающи. Производители, упаковщики и поставщики семян смогут однажды использовать подобные системы для автоматической сортировки картофеля по товарному классу, потенциалу хранения или качеству семян — и все это без повреждения клубней и замедления работы.
Автоматизация также может помочь решить проблему нехватки рабочей силы и обеспечить более единообразную сортировку партий. Для производителей семян возможность быстрой маркировки больных или прорастающих клубней может снизить распространение болезней и защитить будущие урожаи.
Исследователи отмечают, что будущие версии могут быть адаптированы для других культур или даже вмонтированы в мобильные инструменты, что позволит фермерам проводить быструю оценку полей с помощью камеры смартфона.
Такие инструменты, как YOLO-MTP, показывают, что ИИ вскоре может стать частью повседневного набора инструментов для обработки картофеля, устранив часть догадок и снизив затраты при сортировке и оценке.
Источник: Spud Smart.
