Изследователи от държавните университети в Орегон и Флорида са разработили система за изкуствен интелект (ИИ), базирана на смартфон, която може да предскаже зрелостта и вътрешното качество на авокадото.

„Авокадото е сред най-изхвърляните плодове в световен мащаб поради прекомерна зрялост", казва Луяо Ма, асистент-професор в Орегонския държавен университет. „Нашата цел беше да създадем инструмент, който да помага на потребителите и търговците да вземат по-интелигентни решения кога да използват или продават авокадото."

Изследователският екип обучи ИИ модели, използвайки повече от 1400 iPhone изображения на авокадо от сорта Хас. Системата предсказа твърдостта, която е индикатор за зрялостта, с 92% точност, а вътрешното качество (пресно срещу гнило) – с над 84% точност. Изследователите очакват, че ефективността на системата може да се подобри с добавянето на повече изображения към набора от данни.

Екипът отбеляза, че същият подход може да бъде адаптиран за оценка на качеството на други бързоразвалящи се хранителни продукти. Бъдещите разработки може да позволят на потребителите да използват системата, за да определят най-подходящото време за консумация на авокадо, като по този начин се намали количеството на хранителните отпадъци в домакинствата.

Съществуват и потенциални приложения в веригата на доставки. В преработвателните или дистрибуторските съоръжения технологията може да помогне за сортиране и класифициране на плодовете според зрелостта им. Например, партидите, които са определени като по-зрели, могат да бъдат насочени към близките търговци на дребно, докато по-незрелите плодове могат да бъдат изпратени на по-отдалечени пазари. Търговците на дребно могат да използват подобни оценки, за да управляват ротацията на стоките на рафтовете и да намалят развалянето.

Проучването се основава на предишни изследвания, които са използвали изображения и машинно обучение за оценка на качеството на храните. По-ранните проучвания са разчитали на ръчно подбрани характеристики и конвенционални алгоритми, което е ограничавало точността на прогнозите.

„За да преодолеем тези ограничения, използвахме подходи за дълбоко обучение, които автоматично улавят по-широк спектър от информация, включително форма, текстура и пространствени модели, за да подобрим точността и надеждността на прогнозите за качеството на авокадото", каза Ин-Хван Ли, докторант, сътрудничещ по проекта.

Изследователите заявиха, че проучването допринася и за по-широките усилия за намаляване на хранителните отпадъци. Приблизително 30% от световното производство на храни се губи или изхвърля всяка година. В САЩ Министерството на земеделието и Агенцията за опазване на околната среда са поставили национална цел за намаляване на хранителните отпадъци с 50% до 2030 г.

„Авокадото е само началото", каза Ма. „Тази технология може да се приложи по-широко, за да помогне на потребителите, търговците на дребно и дистрибуторите да вземат по-добри решения и да намалят отпадъците."
Резултатите бяха публикувани в Current Research in Food Science.