تمييز نضج الفواكه من منظور زراعي وتجاري وأتمتة

مُحفَّزًا بالPotential لتقليل الجهد اليدوي المطلوب في صناعة الفواكه، يسعى هذا البحث إلى أتمتة تحديد نضج الفواكه. ونُنظر إلى هذه المشكلة من منظور زراعي، وسوق، وأتمتة، وهي منظورات تُؤخذ غالبًا في نقاط مختلفة من سلسلة التوريد. وبما أن حالات النضج المختلفة تمتلك خصائص بصرية متميزة، فإن تقنية تصنيف الصور يمكن أن تكون مساعدة فعّالة في هذا السياق. ولتطوير نماذج تصنيف صور الفواكه، نحتاج إلى طريقة استخراج الميزات وخوارزمية تعلم. ونستخدم شبكات عصبية مُدرّبة مسبقًا مختلفة لاستخراج الميزات بشكل فعّال، ونطبّق خوارزميات تعلم آلي مختلفة مع إجراء تحليل للتحيّز والانحراف (bias/variance) للنماذج المُتعلّمة. ويُسهم هذا التحليل في اختيار أفضل النماذج لكل منظور مُستقبَل. وقد حققنا دقة بلغت 96% و94% و86% على مجموعة بيانات جديدة أطلقنا عليها اسم RipeRaw، من منظور زراعي، وسوق، وأتمتة، على التوالي.