Коллектив ученых из Сколтеха и Санкт-Петербургского государственного университета аэрокосмического приборостроения представил работу, в которой предложил 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.

Работа опубликована в журнале Entropy.

Несмотря на то, что многие процессы автоматизированы, оценку качества фруктов и овощей на послеуборочной стадии, особенно во время сортировки, в основном производит человек. Пока продукты доставляют до потребителей, они могут портиться и повреждаться. Некоторые участки гниения человек может просмотреть, пропустить, тем более если рядом нет специалиста-агронома, который точно может сказать, что это за болезнь или повреждение.

На примере яблок ученые рассматривали два типа дефектов: гниение и плесень. Например, если яблоки плотно упакованы, они будут ударяться друг о друга, и в местах соударения быстрее испортятся. Плесень появляется, когда были кардинально нарушены условия хранения или когда фермер не заметил ее во время сбора урожая.

Для обнаружения повреждений специалисты используют инфракрасный свет, но, как отмечают исследователи, для этого нужны мульти- и гиперспектральные камеры. Они очень дорогие и порой очень сложно устроены. Идея исследования — в том, чтобы предложить альтернативный способ этим камерам с использованием глубокого обучения, моделей, которые могут генерировать инфракрасные изображения. Авторы подчеркивают, что не стремятся заменить традиционные способы, а лишь предлагают один из более доступных и продвинутых методов.