انتخاب هندوانه رسیده و شیرین با هوش مصنوعی

همشهری‌آنلاین نوشت: برای خرید هندوانه ما همیشه وسواس خاصی از خود نشان می‌دهیم و دل‌مان می‌خواهد، رسیده‌ترین، شیرین‌ترین و آبدارترینش را انتخاب کنیم.

گاه از فروشنده می‌خواهیم بهترین را برای‌مان انتخاب کند و او نیز با زدن چند ضربه به هندوانه و گوش‌کردن به صدای ایجادشده، یکی را برای‌مان انتخاب می‌کند. اما این روش چندان هم مطمئن نیست، به همین خاطر دانشمندان با درنظر گرفتن این مهم که رطوبت یک عامل ضروری برای ارزیابی کیفیت داخلی هندوانه تازه است، روش جالبی را برای تشخیص هندوانه خوب از بد ابداع کرده‌اند.

بیشتر بخوانید:

روش‌های سنتی جواب نمی‌دهد

هندوانه میوه‌ای شیرین است که به‌عنوان یک میوه تازه و آبدار در سراسر جهان مصرف می‌شود. هندوانه در زمره میوه‌های غیراقلیم طبقه‌بندی می‌شود؛ به این معنی که کیفیت آن از لحاظ شیرینی، سفتی، رنگ گوشت و سیترولین (یک اسید آمینه غیرضروری) در طول دوره رسیدگی به‌تدریج افزایش می‌یابد و فرایند رسیدگی فیزیولوژیکی در هنگام برداشت به پایان می‌رسد. اثرات رسیدن غیراقلیم این است که هندوانه باید در زمان مناسب برداشت شود تا مرحله رسیدگی بهینه به‌دست آید. با این حال، تخمین سطح رسیدگی هندوانه با استفاده از تجهیزات تشخیص غیرمخرب دشوار است.

به صدای هندوانه گوش کن!

به‌طور سنتی، روش‌های غیرمخرب زیادی وجود دارد که کشاورزان برای تخمین سطح رسیدگی هندوانه به‌منظور برداشت مناسب از آن استفاده می‌کنند؛ صداهای حاصل از ضربه‌زدن، الگوهای پوست هندوانه و وزن از ویژگی‌های اصلی هستند که مورد استفاده قرار گرفته‌اند. برای مثال، کشاورزان به صداهای ضربه‌زدن گوش می‌دهند، الگوهای پوست هندوانه را مشاهده و یکی را وزن می‌کنند و سپس اطلاعات این ویژگی‌ها را برای تخمین سطح رسیدگی هندوانه ادغام می‌کنند. با این حال، از آنجا که این روش‌ها به تجربیات و عملکرد فیزیکی مزرعه نیاز دارند، اشتباهات طبقه‌بندی به‌راحتی می‌تواند به‌دلیل قضاوت شخصی رخ دهد که در نتیجه ماحصل آن، دقت طبقه‌بندی پایین است. به‌خصوص، تشخیص توسط انسان نمی‌تواند به‌طور مؤثر شیرینی هندوانه را پیش‌بینی کند.

انتخاب هندوانه رسیده و شیرین با هوش مصنوعی

استفاده از فناوری

اســتــفــاده از فـنـاوری‌های تشخیص غیرمخرب مدرن برای بهبود دقت طبقه‌بندی شیرینی هندوانه مهم است. امروزه، فناوری‌های تشخیص غیرمخرب برای تخمین شیرینی مانند تشدید مغناطیسی هسته‌ای یا طیف‌سنجی مادون قرمز نزدیک وجود دارد. با این حال، تشدید مغناطیسی هسته‌ای گران است؛ درحالی‌که تنظیم طیف‌سنجی مادون قرمز نزدیک برای به‌دست‌آوردن نتایج تخمین قوی و دقیق دشوار است.
در مقابل، سیگنال‌های صدای ضربه‌زدن و شرایط پوست هندوانه به‌طور گسترده توسط کشاورزان برای تخمین سطح رسیدگی استفاده شده است. جمع‌آوری و استفاده از این ویژگی‌ها ساده و راحت است. دو فناوری تشخیص مرتبط برای ویژگی‌ها را می‌توان شناسایی کرد که پردازش سیگنال صوتی و تصویر است. امروزه دو فناوری تشخیص مدرن به‌طور گسترده‌ای برای استخراج ویژگی‌ها از هندوانه استفاده می‌شود. در فناوری ویژگی صوتی، این فناوری معمولاً حداکثر فرکانس (Fmax) پاسخ ضربه‌ای را به‌صورت امواج صوتی یا ارتعاش درنظر می‌گیرد. این فناوری به‌طور مؤثر برای تخمین رسیدگی، نقص داخلی و استحکام استفاده می‌شود. برای فناوری پردازش تصویر، پوست هندوانه معمولاً برای تخمین رسیدگی و آسیب داخلی هندوانه استفاده می‌شود.

بنابراین لازم است صدای ضربه‌زدن را با پوست هندوانه و وزن ترکیب کرد تا عملکرد تخمین شیرینی افزایش یابد. در پوست هندوانه، از آنجا که رسیدگی فیزیولوژیکی در هنگام برداشت به‌عنوان یک میوه غیراقلیم تغییر می‌کند، الگوهای پوست این امکان را می‌دهد که تشخیص دهیم هندوانه زودرس برداشت شده است یا خیر. علاوه‌براین، وزن با سطح رسیدگی همبستگی دارد. منطقی است که از وزن به‌عنوان یک ویژگی درنظر گرفته‌شده استفاده کنید.

یادگیری ماشین

محققان یک روش غیرمخرب برای طبقه‌بندی شیرینی هندوانه براساس تکنیک‌های پردازش سیگنال صوتی و تصویر پیشنهاد داده‌اند. ضربه زدن و ایجاد سیگنال‌های صوتی، الگوی پوست هندوانه و وزن به‌عنوان ویژگی درنظر گرفته می‌شود. این ۳ ویژگی از تکنیک‌هایی الهام‌گرفته شده است که توسط کشاورزان برای تخمین رسیدگی هندوانه استفاده می‌شود. تکنیک‌های یادگیری ماشین (ML) برای توسعه مدل‌های طبقه‌بندی شیرینی استفاده می‌شوند. مدل‌های یادگیری ماشینی، عملکرد طبقه‌بندی را ارزیابی می‌کنند. جالب اینکه نتایج نشان می‌دهد که روش پیشنهادی می‌تواند هندوانه‌ها را از حیث شیرینی به‌طور قابل اعتماد، طبقه‌بندی کند. بالاترین دقت طبقه‌بندی در این روش به ۹۲درصد می‌رسد که توسط درختان تقویت‌شده گرادیان (میدان‌بُرداری) به‌دست می‌آید.

بیشتر بخوانید:

۵۸۵۸