Если вы находитесь на рынке, чтобы покупать свежие папайи, это может быть проблемой при выяснения зрелости, основанной на цвете отслаивания, также не сжимая плод, чтобы проверить мягкость. Бразильская исследовательская группа могла бы облегчить жизнь как для покупателей, так и для производителей в ближайшем будущем с помощью алгоритма компьютерного зрения, который оценивает зрелость, основанную только на изображениях.
В прошлом году только Соединенные Штаты импортировали свежие папайи на сумму более 107 млн. Долл. США в качестве крупнейшего в мире рынка импорта папайи. Программное обеспечение для компьютерного зрения могло бы позволить производителям папайи максимизировать ценность своих фруктов, отправив самые яркие папайи на местные рынки и экономя менее спелые папайи для экспорта, — говорит Дуглас Фернандес Барбин, исследователь отдела пищевой промышленности Университета Кампинаса в Сан-Паулу, Бразилия. Но он и его коллеги также хотят помочь отдельным покупателям заработать деньги в продуктовых ларьках.
«Идея заключается в том, чтобы позже разработать приложение для потребителя», — говорит Барбин. «Потребитель мог пойти на рынок, сфотографироваться и найти зрелый плод и решить, какой из них купить, чтобы съесть в тот день или в течение следующих нескольких дней».
Исследователи из Университета Кампинаса объединились с учеными из Университета Лондрина в Лондрине, Бразилия, чтобы разработать подход машинного обучения, который достиг полной точности обнаружения зрелости на 94,7 процента. Их работа появилась в февральском выпуске журнала «Компьютеры и электроника в сельском хозяйстве».
Измерение зрелости и определение соответствующих характеристик для спелости — одна из самых больших проблем. Исследователи начали с правительственной карты, в которой перечислены пять уровней зрелости папайи. Но вскоре они укрепили уровни зрелости на три уровня зрелости, основанные на визуальном осмотре: визуально внешняя шелуха золотых папай начинается с зеленого и желтого цветов, когда созревают плоды. Они дополнительно проверили три уровня с дополнительным тестированием на основе твердости мякоти каждого фрукта.
Обучение алгоритму машинного обучения также оказалось неожиданным вызовом: для этого потребовался разнообразный выбор папайи. Исследователи надеялись получить меньшее количество папайи от местного производителя, но в итоге оказались покупателями 57 золотых папайи на местном рынке в Кампинасе.
Как аппаратные, так и программные компоненты проекта оказались относительно простыми. На аппаратной стороне исследователи построили коробчатое приспособление с потребительской цифровой камерой и лампочками, расположенными на потолке, чтобы получить освещенные фотографии образцов папайи. Успех таких технологий потребительского класса означает, что этот подход может быть легко адаптирован к коммерческим приложениям.
Со стороны программного обеспечения исследователи рассмотрели ряд различных алгоритмов машинного обучения, прежде чем опираться на обычный случайный классификатор. Этот подход позволил исследователям четко увидеть, как различные функции учитываются в результатах алгоритма машинного обучения. «Мы могли видеть, какие функции действительно предоставляют полезную информацию о фруктах», объясняет Барбин.
Свежие комментарии