Een onderzoeker van Skoltech en zijn Duitse collega's hebben een neuraal netwerk-gebaseerd classificatie-algoritme ontwikkeld dat gegevens uit de boomgaard gebruikt om te voorspellen hoe goed de appelen de bewaarperiode doorstaan. Het onderzoek werd gepubliceerd in Computers and Electronics in Agriculture.
Voor groenten en fruit bij ons op tafel staan, zijn ze vaak gedurende een lange periode bewaard. In deze tijd kunnen zij fysiologische gebreken ontwikkelen, zoals verkleuringen en vlekken op de schil. Als gevolg hiervan gaat een fors deel van de producten verloren, vandaar dat er veel onderzoek wordt gedaan naar de ontwikkeling van betrouwbare methoden om deze problemen te kunnen voorspellen, hetgeen lastig is omdat deze worden veroorzaakt door een veelvoud aan factoren, zowel in de boomgaard als het koelhuis.
Pavel Osinenko van Skoltech en zijn collega's verzamelden gedurende drie jaar data in een Braeburn-boomgaard in Duitsland. Ze maakten gebruik van niet-destructieve sensoren zoals nabij-infrarood spectroscopie. De informatie had betrekking op het gehalte aan chlorofyl, anthocyanen, oplosbare vaste stoffen en het drogestofgehalte. Het team maakte ook gebruik van beoordelingen van de fruitkwaliteit na bewaring, bijvoorbeeld of consumenten de appelen stevig genoeg vonden.
"De proefboomgaard was heel gemiddeld en de methodologie kan dus vrij eenvoudig in de sector worden geïmplementeerd," zegt Osinenko.
De onderzoekers ontwikkelden een classificatie-algoritme gebaseerd op een neuraal netwerk en trainde dit met data uit de boomgaarden. Het algoritme bleek tot 80% betrouwbaar te zijn voor het voorspellen van de interne verkleuring van de appelen, stevigheid, kwaliteit van de steelholte en schil. "Dit is absoluut een groot succes. We hebben het over een geautomatiseerde oplossing waar geen menselijke deskundigen aan te pas komen. Er zijn nog meer gegevens en aanpassingen nodig, maar het concept lijkt veelbelovend," aldus Osinenko.
Hij voegt eraan toe dat telers dankzij deze methode de informatie van het classificatiesysteem kunnen gebruiken om hun oogstopbrengsten te maximaliseren. Het team is al benaderd voor eventuele samenwerking voor andere fruitcategorieën en zelfs groenten, aangezien deze benadering ook binnen de groentesector toepasbaar is.
Voor meer informatie:
Skoltech Communications
+7 (495) 280 14 81
communications@skoltech.ru