Наука |

Российские ученые разработали систему для оперативного выявления заболеваний у растений

Российские ученые разработали систему для оперативного выявления заболеваний у растений Фото: freеpik

Исследователи из России разработали систему искусственного интеллекта, способную выявлять различные болезни и дефекты на фотографиях овощей и фруктов еще до того, как повреждения станут заметными глазу человека, передает «Якутия 24» со ссылкой на ТАСС.

«Коллектив ученых представил работу, в которой предложили 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», — приводится сообщение пресс-службы «Сколтеха».

Эта систему разработала группа исследователей из «Сколтеха» и Санкт-Петербургского госуниверситета аэрокосмического приборостроения под руководством старшего преподавателя технологического университета Андрея Сомова. Научный коллектив уже длительное время работает над созданием систем ИИ, которые распознают различные товары, в том числе овощи и фрукты.

В своей новой работе ученые адаптировали разработанные ими нейросети для выявления различных дефектов и болезней, поражающих овощи и фрукты при их хранении после жатвы. Как правило, для решения этой задачи на сегодня используют дорогостоящие мульти- и гиперспектральные камеры.

Исследователи выяснили, что эту задачу можно решить при помощи обычных камер и набора из генеративно-состязательных и сверточных нейросетей, которые способны извлекать инфракрасные изображения из снимков с обычных цифровых камер, а также различать характерные признаки здоровых и больных фруктов. В частности, ученым удалось приспособить эту систему ИИ для выявления двух типов дефектов на поверхности яблок — гниения и плесневения.

Последующие расчеты показали, что созданная учеными система ИИ способна анализировать снимки четырех разных сортов яблок, находить фрукты с плесенью и гнилью и отличать их от неповрежденных плодов с вероятностью в 98%. Это позволяет использовать подобные алгоритмы для наблюдений за состоянием урожая и своевременного удаления больных фруктов и овощей, служащих очагами распространения болезней.