Исследовательская группа под руководством доктора Дэвида Хелмана с факультета сельского хозяйства, продовольствия и окружающей среды Еврейского университета в Иерусалиме разработала новую модель машинного обучения с использованием гиперспектральных изображений для оценки качества томатов перед сбором урожая.
Исследование под названием «Модели машинного обучения на основе гиперспектральных изображений для мониторинга качества плодов томатов перед сбором урожая» было опубликовано в журнале Computers and Electronics in Agriculture. Этот новаторский подход решает проблемы, связанные с традиционными методами, предлагая более быструю, недеструктивную и экономически эффективную альтернативу.
В исследовании, проведенном в сотрудничестве с учеными из университета Бар-Илан и центра «Вулкани», использовалась портативная гиперспектральная камера для сбора данных с 567 плодов томатов пяти сортов. Алгоритмы машинного обучения, включая Random Forest и искусственные нейронные сети, использовались для прогнозирования семи важнейших параметров качества: веса, упругости, общего количества растворимых твердых веществ (TSS), лимонной кислоты, аскорбиновой кислоты, ликопина и pH. Модели продемонстрировали высокую точность, при этом алгоритм Random Forest достиг R² 0,94 для веса и 0,89 для упругости.
Основные результаты исследования включают:
1. Эффективность выбора диапазона: модель эффективно предсказывает параметры качества, используя только пять спектральных диапазонов, что открывает путь к разработке доступных портативных устройств.
2. Более широкая применимость: протестированная на различных сортах и условиях выращивания, модель демонстрирует устойчивость и масштабируемость.
3. Преимущества перед сбором урожая: теперь фермеры могут отслеживать качество фруктов на стадии созревания, оптимизируя время сбора урожая и улучшая качество продукции.
«Наше исследование направлено на преодоление разрыва между передовыми технологиями визуализации, искусственным интеллектом и практическим применением в сельском хозяйстве, — говорит доктор Хелман. — Эта работа способна произвести революцию в мониторинге качества не только томатов, но и других культур. Наш следующий шаг — создание недорогого устройства (ToMAI-SENS) на основе нашей модели, которое будет использоваться во всей цепочке создания стоимости фруктов, от ферм до потребителей».
Исследование подчеркивает потенциал интеграции этой технологии в сельскохозяйственную практику, от интеллектуальных систем сбора урожая до потребительских инструментов для оценки качества продуктов в супермаркетах.
