Исследователи разработали высокоточный алгоритм ИИ для обнаружения дефектов кофе

Визуальная дефектация кофе с помощью специализированной вычислительной модели. Использование этого изображения разрешено в соответствии с международной лицензией Creative Commons Attribution-NonCommercial-NoDerivatives 4.0. Оригинал смотрите здесь.

Исследовательская группа, занимающаяся разработкой потенциальных практических решений в области искусственного интеллекта для производителей сельскохозяйственной продукции, анонсировала высокоточную вычислительную модель для выявления дефектов в зеленом кофе.

Группа ученых из Бангладеш и Японии сравнила несколько версий кастомизированных моделей YOLO (You Only Look Once). YOLO – это тип алгоритма глубокого обучения для обнаружения объектов в реальном времени, который уже используется в таких приложениях, как медицинская визуализация, камеры безопасности и самоуправляемые автомобили.

По словам исследовательской группы, результат использования модели YOLO в производстве зеленого кофе принесет пользу как производителям так и другим участникам отрасли, которые используют ручную сортировку для контроля качества.

«Обнаружение дефектов в зерне существенно важно для улучшения процессов производства кофе», – пишут исследователи, добавляя: „Особенно в развивающихся странах, таких как Бангладеш, где это подтолкнет развитие экономики и улучшит условия жизни фермеров“.

На момент написания этой статьи в кофейной промышленности уже внедрена как минимум одна машина с алгоритмами искусственного интеллекта для обнаружения дефектов в режиме реального времени – Avercasso CS1 из Тайваня. Но ее алгоритмы и аппаратное обеспечение являются частной интеллектуальной собственностью.

Для нового исследования, опубликованного в открытом доступе, ученые собрали более 5000 изображений зеленых кофейных зерен с высоким разрешением, выявляя при этом такие дефекты, как: черные, сломанные, блеклые и окисшие зерна.

Эти изображения были использованы для обучения шести различных моделей YOLO, каждая из которых затем была протестирована на точность.

Одна из модифицированных моделей, получившая название YOLOv8n, опередила остальные по точности определения дефектов. Она превзошла их по минимальному количеству ложноположительных и отрицательных результатов.

Архитектура адаптированной модели YOLOv8n. Использование этого изображения разрешено в соответствии с международной лицензией Creative Commons Attribution-NonCommercial-NoDerivatives 4.0. Оригинал см. здесь.

«Предложенная пользовательская модель YOLOv8n продемонстрировала превосходную производительность по всем ключевым параметрам в сравнении с предыдущими версиями, что говорит о ее большом потенциале для практического применения в обнаружении дефектов кофейных зерен», – говорится в исследовании.

Исследователи отметили ряд практических ограничений, включая значительные вычислительные ресурсы, необходимые для доработки модели, и длительный процесс обучения.

Исследование проведено на кофе из одного источника в Бангладеш, а это значит, что эффективность моделей может быть не обязательна при использовании других видов кофе из разных стран или регионов.

«Расширение базы данных за счет включения зерен различного происхождения и типов дефектов может улучшить обобщаемость модели», – пишут исследователи. «Будущие исследования могут интегрировать систему IoT (Internet of Things) для контроля в режиме реального времени и изучать возможности применения не только для кофе, например, для обнаружения дефектов в других сельскохозяйственных продуктах.»

Полная версия исследования под названием «Сравнительный анализ моделей YOLO для обнаружения зеленых кофейных зерен и классификации дефектов» была опубликована в журнале Scientific Reports.

Перевод статьи с сайта Daily Coffee News.

Оригинал по ссылке.