Un sistema inteligente para evaluar la calidad de los productos agrícolas ha sido desarrollado en la Universidad Técnica Estatal de Novosibirsk (NSTU). La tecnología utiliza fotografías ordinarias para identificar defectos externos y el grado de frescura de frutas y verduras.
Los desarrolladores explicaron que los sistemas tradicionales de visión por computadora requieren condiciones de disparo ideales o decenas de miles de ejemplos para el entrenamiento. Los investigadores de la NSTU compararon diferentes enfoques e identificaron el óptimo para cada tarea: en algunos casos, es importante no pasar por alto una fruta estropeada, en otros, no desechar una de buena calidad.
El líder del proyecto, Egor Antonyan, explicó que la dificultad radicaba en entrenar a la red neuronal para distinguir entre la podredumbre y la inmadurez, que a menudo se ven similares en las fotos. Para ello, se utilizó una arquitectura de red de tripletes que considera varios ejemplos a la vez. Esto permitió reducir el número de errores.
El sistema no requiere una gran cantidad de imágenes y funciona con fotografías ordinarias bajo diferentes condiciones de iluminación. La precisión del reconocimiento alcanza el 89% incluso en productos desconocidos. Esto permite adaptar rápidamente el sistema a nuevos tipos de productos.
El prototipo ha superado con éxito las pruebas de laboratorio con fotografías estáticas. Los planes incluyen adaptar el sistema para trabajar con transmisiones de video desde una cinta transportadora. Hasta ahora, el entrenamiento se ha realizado con plátanos, naranjas, fresas y tomates. Los desarrolladores planean atraer socios para pruebas conjuntas en líneas de producción reales.