Un investigador de Skoltech y sus colegas alemanes han desarrollado un algoritmo de clasificación basado en una red neuronal que puede usar datos de un huerto de manzanas para predecir qué tan bien se comportarán las manzanas en el almacenamiento a largo plazo. El artículo fue publicado en Computadoras y electrónica en la agricultura.

Antes de que las frutas y verduras que a todos nos gustan caigan en nuestras mesas, es necesario almacenarlas durante algún tiempo. Durante este tiempo, pueden desarrollar trastornos fisiológicos como el bronceado de la pulpa o el escaldado superficial (manchas marrones o negras en la piel del fruto). Estas perturbaciones contribuyen a la pérdida de una cantidad significativa de producto, y mucha investigación se ha dirigido al desarrollo de métodos sólidos para predecir fallas, una tarea notoriamente difícil dada la multitud de factores en juego tanto en el huerto como en la instalación de almacenamiento.

El profesor asistente de Skoltech Pavel Osinenko (anteriormente Laboratorio de Control Automático y Dinámica de Sistemas, Universidad Tecnológica de Chemnitz) y sus colegas recopilaron datos en un huerto de manzanos Braeburn en Alemania durante tres años, incluidos datos meteorológicos e información de sensores no destructivos como visibles y espectroscopia de infrarrojo cercano. La información recopilada incluyó datos sobre clorofila, antocianinas, sólidos solubles y materia seca. El equipo también utilizó calificaciones de calidad de la fruta después del almacenamiento (por ejemplo, a los consumidores les gustan las manzanas agradables y firmes, por lo que hay una métrica para eso).

“El huerto experimental era completamente normal y la metodología desarrollada se puede implementar en la industria con poco esfuerzo”, dice Osinenko.

Los investigadores desarrollaron un algoritmo de clasificación basado en una red neuronal recurrente y lo entrenaron con los datos del huerto. El algoritmo tuvo un 80% de éxito en predecir el pardeamiento interno de las manzanas, los huecos en la superficie y la firmeza de la fruta. “Definitivamente es un éxito, ya que es una solución automatizada que no requiere expertos humanos. Por supuesto, se requieren más datos y optimización, pero como prueba de concepto, los resultados son realmente prometedores ”, afirma Osinenko.

Agrega que gracias al diseño predictivo de la metodología, los agricultores pueden utilizar la información del clasificador para obtener un mejor rendimiento. Y el equipo ya ha recibido solicitudes para colaborar en otras frutas e incluso verduras, ya que este enfoque también puede funcionar para ellos.

###

Skoltech es una universidad privada internacional en Rusia. Fundada en 2011 en asociación con el Instituto de Tecnología de Massachusetts (MIT), Skoltech nutre a una nueva generación de líderes en ciencia, tecnología y negocios, lleva a cabo investigaciones en campos innovadores y promueve la innovación tecnológica con el objetivo de resolver los problemas críticos que enfrenta Rusia y enfrentar el mundo. Skoltech se centra en seis áreas prioritarias: ciencia de datos e inteligencia artificial, ciencias de la vida, materiales avanzados y métodos de diseño moderno, eficiencia energética, fotónica y tecnologías cuánticas, e investigación avanzada. Web: https: //.www.Skoltech.ru / .

https: //.www.Skoltech.ru /de /2021 /03 /Manzanas-a-manzanas-red-neuronal-utiliza-datos-de-huerto-para-predecir-la-calidad-de-fruta-después-del-almacenamiento /

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí