ИИ на смартфоне предсказывает спелость авокадо
Исследователи разработали систему на основе искусственного интеллекта для смартфона, которая точно предсказывает спелость и внутреннее качество авокадо.
«Авокадо — один из самых выбрасываемых фруктов в мире из-за перезревания», — сказала Луяо Ма, доцент Университета штата Орегон. «Наша цель — создать инструмент, который поможет потребителям и ритейлерам принимать более разумные решения о том, когда использовать или продавать авокадо».
Исследовательская группа, включающая учёных из Университета штата Орегон и Университета штата Флорида, обучила модели ИИ, используя более 1400 изображений авокадо сорта Хасс, сделанных на iPhone. Система предсказывала твёрдость — ключевой показатель спелости — с точностью почти 92%, а внутреннее качество (свежее vs. гнилое) — с точностью более 84%.
Результаты опубликованы в журнале Current Research in Food Science.
Исследователи считают, что эти показатели точности можно улучшить по мере добавления в модель большего количества изображений. Они также отмечают, что технология потенциально применима для оценки спелости и качества других видов продуктов.
Они надеются доработать технологию, чтобы потребители могли использовать её дома для определения оптимального времени, чтобы съесть авокадо, избегая разочарования от разрезания фрукта с коричневыми пятнами.
Команда также видит потенциал для применения на перерабатывающих предприятиях, где технология могла бы помочь лучше сортировать фрукты. Например, если система обнаружит, что партия более спелая, её можно отправить в ближайший магазин, а не в отдалённый. Розничные продавцы аналогично могли бы использовать технологию, чтобы определить, какие авокадо следует продавать в первую очередь.
Эти результаты основаны на предыдущих исследованиях, использовавших изображения и методы машинного обучения для оценки качества продуктов. Однако более ранние работы полагались на ручной отбор признаков и традиционные алгоритмы машинного обучения, что ограничивало точность прогноза, сказал Ин-Хван Ли, аспирант, 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 для исследования авокадо из-за их высокой рыночной стоимости и высокого уровня отходов. Она также отметила личную мотивацию: как частый потребитель тостов с авокадо, она часто расстраивалась, не зная, когда авокадо идеально спелое, и разрезала перезрелые.
Исследование решает серьёзную глобальную проблему — пищевые отходы. Около 30% мирового производства продуктов питания выбрасывается. В ответ на этот вызов 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, — сказала Ма. — Эта технология может быть применена гораздо шире, помогая потребителям, ритейлерам и дистрибьюторам принимать более умные решения и сокращать отходы».
Чжэньгао Ли из Университета штата Флорида также является соавтором статьи. Ма и Ли работают на кафедре пищевой науки и технологий в Колледже сельскохозяйственных наук Университета штата Орегон. Ма также связана с кафедрой биологической и экологической инженерии.