Созданная в Новосибирском государственном техническом университете (НЭТИ) интеллектуальная система позволяет проводить оценку качества фруктов и овощей без разрушающих методов и сложного оборудования.
Как сообщили в вузе, разработка решает ключевые проблемы современного АПК: снижение влияния человеческого фактора при ручной сортировке и устранение зависимости от дорогих систем машинного зрения, требующих эталонных условий съемки. Студенты университета не просто создали очередной алгоритм, а проанализировали возможности метрического, машинного и глубокого обучения, выявив оптимальные модели для конкретных задач предприятия.
По словам руководителя проекта Егора Антонянца, для распознавания визуально схожих дефектов использована архитектура триплетной сети, которая работает с эталонными, положительными и отрицательными примерами изображений продукции одновременно. Такой подход дал возможность установить тонкие различия между незрелостью и начальной стадией гниения, которые практически неразличимы для стандартных классификаторов.
Результаты тестирования подтверждают конкурентоспособность решения. Три обученные архитектуры CNN (сверточная), SNN (импульсная) и TNN (топографическая) достигли точности до 93,6%. При этом система стабильно отрабатывает даже на фотографиях, сделанных при неидеальном освещении, а также демонстрирует высокую эффективность в отношении плодов, отсутствовавших в тренировочной базе.
Сейчас проект существует как научно-исследовательский прототип на статичных изображениях. По словам Егора Антонянца, обучение и тестирование проводились на четырех конкретных видах продуктов: бананах, апельсинах, клубнике и томатах. Дальнейшее развитие предусматривает его интеграцию с видеопотоком для проверки продукции в движении по конвейеру и расширение категорий распознаваемых культур.