Интеллектуальную систему для оценки качества сельхозпродукции разработали в Новосибирском государственном техническом университете (НГТУ). Технология по обычным фотографиям определяет внешние дефекты и степень свежести фруктов и овощей.

Разработчики пояснили, что традиционные системы компьютерного зрения требуют идеальных условий съёмки или десятков тысяч примеров для обучения. Исследователи НГТУ сравнили разные подходы и выявили оптимальный для каждой задачи: где-то важно не пропустить испорченный плод, где-то — не забраковать качественный.

Руководитель проекта Егор Антонянц объяснил, что сложность заключалась в обучении нейросети различать гниль и незрелость, которые на фото часто выглядят похоже. Для этого использовали архитектуру триплетной сети, учитывающую сразу несколько примеров. Это позволило снизить число ошибок.

Система не требует огромного количества изображений и работает с обычными фотографиями при разном освещении. Точность распознавания достигает 89% даже на незнакомых продуктах. Это позволяет быстро адаптировать систему под новые виды продукции.

Прототип успешно прошёл лабораторные испытания на статичных фотографиях. В планах — адаптировать систему для работы с видеопотоком с конвейерной ленты. Пока обучение проводилось на бананах, апельсинах, клубнике и томатах. Разработчики планируют привлечь партнёров для совместных испытаний на реальных производственных линиях.