Ученые из Сколтеха и Санкт-Петербургского государственного университета аэрокосмического приборостроения (СПб ГУАП) представили проект, в котором предложили альтернативный метод определения гнилых и плесневых участков на яблоках. Метод определяет дефекты на фруктах на ранней стадии, когда их не может визуально выявить человеческий глаз. Такой диагностике будут подвергаться яблоки на послеуборочной стадии, когда они хранятся на складах перед доставкой в магазины. 

Ученые задействовали для данной диагностики компьютерное зрение и два типа нейронных сетей: генеративно-состязательные и свёрточные. Для сбора и обработки данных ученые использовали фотографии яблок четырех разных сортов. Чтобы обучить будущую модель ИИ определять дефекты и норму, одну часть яблок высушили и вымыли, вторую подвергли механическому воздействию, а третью заморозили при температуре -20°C. После сбора данных команда ученых обучила несколько ИИ-моделей и выбрала наиболее быстрые и точные, которые с помощью Jetson Nano можно будет интегрировать в реальное устройство (камеру) для обнаружения дефектов фруктов и овощей. 

В дальнейшем ученые планируют использовать машинное обучение и компьютерное зрение для раннего обнаружения болезней и других дефектов других растительных культур.