Исследователи из России разработали систему искусственного интеллекта (ИИ), способную выявлять различные болезни и дефекты на фотографиях овощей и фруктов, причем еще до того, как повреждения станут заметными глазу человека.
Об этом сообщила пресс-служба «Сколтеха».
«Коллектив ученых представил работу, в которой был предложен альтернативный метод определения гнилых и плесневых участков яблок на послеуборочной стадии, когда фрукты хранят на складах, а потом доставляют к потребителям. Система компьютерного зрения позволит выявлять разные типы дефектов на ранней стадии, когда они еще могут быть недоступны человеческому глазу», — говорится в сообщении.
Эта система компьютерного зрения была разработана группой исследователей из «Сколтеха» и Санкт-Петербургского государственного университета аэрокосмического приборостроения под руководством старшего преподавателя «Сколтеха» Андрея Сомова. Данный научный коллектив уже длительное время работает над созданием систем ИИ, способных распознавать различные товары, в том числе овощи и фрукты.
В своей новой работе ученые адаптировали разрабатываемые ими нейросети для решения важной и при этом достаточно трудоемкой задачи — выявления различных дефектов и болезней, поражающих овощи и фрукты при их хранении уже после сбора урожая. Как правило, для решения этой задачи сейчас используются достаточно дорогостоящие мульти- и гиперспектральные камеры, работающие в инфракрасной части спектра.
Исследователи выяснили, что эту же задачу можно решить и при помощи обычных камер и набора из двух типов нейросетей, генеративно-состязательных и сверточных, способных «извлекать» инфракрасные изображения из снимков с обычных цифровых камер, а также различать характерные признаки здоровых и больных фруктов. В частности, ученым удалось приспособить эту систему ИИ для выявления двух типов дефектов на поверхности яблок — гниение и плесень.
Последующие расчеты показали, что созданная учеными система ИИ была способна анализировать снимки четырех разных сортов яблок, находить фрукты с плесенью и гнилью и отличать их от неповрежденных плодов с 98-процентной вероятностью (по метрике mAP). Это позволяет использовать подобные алгоритмы для наблюдений за состоянием урожая и своевременного удаления больных фруктов и овощей, служащих очагами распространения болезней.
Источник: tass.ru