Изследователи са разработили система с изкуствен интелект, базирана на смартфон, която точно предсказва зрялостта и вътрешното качество на авокадото.
„Авокадото е сред най-разхищаваните плодове в световен мащаб поради презрялост“, каза Луяо Ма, доцент в Държавния университет на Орегон. „Нашата цел беше да създадем инструмент, който да помага на потребителите и търговците на дребно да вземат по-интелигентни решения за това кога да използват или продават авокадо.“
Изследователският екип, състоящ се от учени от Държавния университет на Орегон и Държавния университет на Флорида, е обучил модели с изкуствен интелект, използвайки повече от 1400 изображения на авокадо Хас от iPhone. Системата е предсказала твърдостта, ключов индикатор за зрялост, с близо 92% точност, и вътрешното качество (прясно срещу гнило) с над 84% точност.
Констатациите са публикувани в списанието Current Research in Food Science.
Изследователите смятат, че тези нива на точност могат да бъдат подобрени с добавянето на повече изображения към модела. Те също така отбелязват, че технологията има потенциал да оцени зрялостта и качеството на други видове храни.
Те се надяват да доразвият технологията, така че потребителите да могат да я използват у дома, за да определят оптималното време за консумация на авокадо, избягвайки разочарованието от разрязването на едно, само за да открият ужасните кафяви петна.
Екипът вижда потенциални приложения и в съоръженията за преработка на авокадо, където технологията може да се използва за по-добро сортиране и окачествяване на плодовете. Например, ако системата открие, че дадена партида е по-узряла, тя може да бъде изпратена до близък търговец на дребно, вместо до по-далеч. Търговците на дребно биха могли по подобен начин да използват технологията, за да определят кои авокадо трябва да се продадат първи въз основа на зрялостта.
Тези открития се основават на предишни изследвания, които са използвали изображения и техники за машинно обучение за оценка на качеството на храните. Въпреки това, по-ранни проучвания са разчитали на ръчен избор на характеристики [SN1] и традиционни алгоритми за машинно обучение, които са ограничавали производителността на прогнозите, каза Ин-Хван Лий, докторант, работещ с Ма по проекта.
„За да преодолеем тези ограничения, използвахме подходи за дълбоко обучение, които автоматично улавят по-широк спектър от информация, включително форма, текстура и пространствени модели, за да подобрим точността и надеждността на прогнозите за качеството на авокадото“, каза Лий.
Ма избра да се съсредоточи върху авокадото поради високата му пазарна стойност и високия процент на отпадъци. Тя отбеляза и лична мотивация: като чест консуматор на препечен хляб с авокадо, тя често се разочаровала, че не знае кога авокадото е напълно узряло и е режала презряло.
Изследването е насочено към голямо глобално предизвикателство: разхищението на храна. Около 30% от световното производство на храна се разхищава. В отговор на това предизвикателство Министерството на земеделието на САЩ и Агенцията за опазване на околната среда са си поставили национална цел за намаляване на разхищението на храна с 50% до 2030 г.
„Авокадото е само началото“, каза Ма. „Тази технология може да се прилага много по-широко, помагайки на потребителите, търговците на дребно и дистрибуторите да вземат по-умни решения и да намалят разхищението.“
Женгао Лий от Държавния университет на Флорида също е съавтор на статията. Ма и Лий са в катедрата по хранителни науки и технологии в Колежа по селскостопански науки към щата Орегон. Ма е свързана и с катедрата по биологично и екологично инженерство.
