Jaringan saraf menggunakan data kebun untuk memprediksi kualitas buah setelah penyimpanan
Machine

Jaringan saraf menggunakan data kebun untuk memprediksi kualitas buah setelah penyimpanan


Kredit: Pavel Odinev / Skoltech

Seorang peneliti dari Skoltech dan rekannya dari Jerman telah mengembangkan algoritme klasifikasi berbasis jaringan saraf yang dapat menggunakan data dari kebun apel untuk memprediksi seberapa baik apel akan bertahan dalam penyimpanan jangka panjang. Makalah ini diterbitkan di Komputer dan Elektronik di Pertanian.

Sebelum buah dan sayuran yang kita sukai berakhir di meja kita, mereka harus disimpan cukup lama, dan selama ini mereka dapat mengembangkan gangguan fisiologis seperti daging kecoklatan atau melepuh dangkal (bercak coklat atau hitam pada kulit buah). Gangguan ini berkontribusi pada hilangnya sejumlah besar produk, dan banyak upaya penelitian didedikasikan untuk pengembangan metode prediksi gangguan yang kuat — tugas yang sangat sulit karena banyaknya faktor yang terlibat, baik di kebun maupun di Fasilitas penyimpanan.

Asisten Profesor Skoltech Pavel Osinenko (sebelumnya di Kontrol Otomatis dan Laboratorium Dinamika Sistem, Technische Universität Chemnitz) dan rekan-rekannya mengumpulkan data selama tiga tahun di kebun apel Braeburn di Jerman, termasuk data cuaca dan informasi dari sensor non-destruktif seperti yang terlihat dan spektroskopi inframerah-dekat. Informasi yang dikumpulkan meliputi data klorofil, antosianin, padatan terlarut, dan kandungan bahan kering. Tim juga menggunakan penilaian kualitas buah setelah penyimpanan (misalnya, konsumen menyukai apel mereka bagus dan kencang, jadi ada metrik untuk itu).

“Kebun percobaan cukup normal dan metodologi yang dikembangkan sebenarnya dapat diterapkan di industri tanpa banyak usaha,” kata Osinenko.

Para peneliti mengembangkan algoritme klasifikasi berdasarkan jaringan saraf berulang dan melatihnya pada data kebun. Algoritme tersebut akhirnya 80% berhasil dalam memprediksi kecoklatan internal apel, munculnya rongga di permukaan, dan kekencangan buah. “Ini pasti sukses karena kita berbicara tentang solusi otomatis yang tidak membutuhkan ahli manusia. Tentu saja, lebih banyak data dan penyetelan diperlukan, tetapi sebagai bukti konsep, hasil yang dicapai memang menjanjikan,” kata Osinenko.

Ia menambahkan, berkat desain metodologi yang bersifat prediktif, petani dapat memanfaatkan informasi dari pengklasifikasi untuk mendapatkan hasil yang lebih baik. Dan tim tersebut telah menerima pertanyaan tentang kemungkinan kolaborasi pada jenis buah-buahan dan bahkan sayuran lain karena pendekatan ini juga dapat berhasil untuk mereka.


Praktik manajemen yang direkomendasikan untuk apel sari khusus


Informasi lebih lanjut:
Pavel Osinenko dkk. Penerapan sensor non-destruktif dan analisis big data untuk memprediksi gangguan penyimpanan fisiologis dan kekencangan buah pada apel ‘Braeburn’, Komputer dan Elektronik di Pertanian (2021). DOI: 10.1016 / j.compag.2021.106015

Disediakan oleh Institut Sains dan Teknologi Skolkovo

Kutipan: Apel menjadi apel: Jaringan saraf menggunakan data kebun untuk memprediksi kualitas buah setelah penyimpanan (2021, 30 Maret) diambil pada 30 Maret 2021 dari https://techxplore.com/news/2021-03-apples-neural-network-orchard-fruit .html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP