Использование нейронных сетей (LSTM) в сочетании с методами математического моделирования всё активнее внедряется в практику. Сегодня LSTM способна напрямую поддерживать задачи прогнозирования погоды, включая вероятность возникновения стихийных бедствий, с
высокой точностью предсказать количественные значения опасных загрязнителей. А недавно нейронная сеть научилась определять качество фруктов после длительного хранения.Прежде чем фрукты и овощи попадают на стол, они проводят продолжительное время в специальных хранилищах. За это время мякоть может потемнеть, внешний вид стать нетоварным, а часть продукции вообще сгнить и оказаться на свалке. Для решения этой проблемы проводятся многочисленные исследования по разработке эффективных методов предсказания порчи продукции в процессе хранения. Поскольку на качество и сохранность свежих фруктов и овощей влияет множество факторов, связанных с процессом их выращивания в конкретных природно-климатических условиях, а также среда их хранения, решить эту задачу непросто.В Сколтехе совместно с коллегами из Германии разработали алгоритм классификации на основе нейронной сети, с помощью которого по данным мониторинга из яблоневого сада можно предсказывать их качество в период хранения,
сообщается на сайте института. Сначала учёные собрали информацию за 3 года по саду в одном из хозяйств Германии, включая метеорологические параметры и показатели о содержании в плодах пигментов, минеральных и органических веществ и т.д. Для анализа плода использовались датчики спектроскопии видимого и ближнего инфракрасного диапазонов. Исследователи также оценивали качество фруктов после хранения, учитывая, что покупатель предпочитает красивые на вид и крепкие хрустящие яблоки (для оценки этих качеств разработан отдельный показатель).Исследователи разработали алгоритм классификации на основе рекуррентной нейронной сети и обучили его на данных о фруктовых садах. В 80% случаев алгоритм справился с задачей прогнозирования потемнений мякоти, вмятин на поверхности яблока, а также степени твёрдости плода. По мнению экспертов, это успешный результат, поскольку речь идет об автоматизированном решении, практически не требующем участия человека. Для доработки алгоритма потребуются дополнительные данные и донастройка, но даже на этапе подтверждения концепции достигнутый результат выглядит многообещающе.Разработанную методику можно без особого труда внедрять в сельском хозяйстве; он применим как для фруктов, так и для овощей. Эта методика построена по предсказательному принципу, что позволит фермерам использовать данные классификатора для повышения урожайности своих садов и теплиц.