25 มีนาคม 2561

AI ตรวจหามะละกอสุก

        ถ้าคุณจะซื้อมะละกอสดในตลาด มันอาจไม่ง่ายที่จะดูความสุกของมะละกอจากสีเปลือกโดยไม่ต้องบีบผลไม้เพื่อทดสอบความนุ่ม กลุ่มนักวิจัยจากบราซิลอาจทำให้ชีวิตของทั้งผู้ขายและผู้ซื้อง่ายขึ้นในอนาคตอันใกล้นี้โดยใช้อัลกอริธึม Computer vision ที่ประเมินความสุกงอมได้จากรูปภาพ

        "เมื่อปีที่ผ่านมาสหรัฐอเมริกานำเข้ามะละกอสดมูลค่ากว่า 107 ล้านเหรียญซึ่งสหรัฐเป็นตลาดนำเข้ามะละกอที่ใหญ่ที่สุดในโลก การใช้ซอฟท์แวร์คอมพิวเตอร์จะช่วยให้ผู้ปลูกมะละกอสามารถเพิ่มมูลค่าของผลไม้ได้โดยการส่งมะละกอที่สุกงอมมากที่สุดไปยังตลาดท้องถิ่นและแยกมะละกอที่สุกงอมน้อยลงมาเพื่อใช้สำหรับส่งออก" Douglas Fernandes Barbin นักวิจัยจากแผนกวิศวกรรมอาหารแห่งมหาวิทยาลัย Campinas ในเซาเปาโล ประเทศบราซิล กล่าว

        "ไอเดียต่อไปคือการพัฒนา app สำหรับผู้บริโภค" Barbin กล่าว "ผู้บริโภคสามารถไปตลาดและถ่ายภาพแล้วหาช่วงระดับความสุกงอมเพื่อใช้ตัดสินใจว่าจะซื้อมะละกอในวันนั้นหรืออีกไม่กี่วันถัดไป"

        นักวิจัยจาก University of Campinas ได้ร่วมมือกับนักวิทยาศาสตร์คอมพิวเตอร์จาก Londrina State University ในเมืองลอนดรีนา ประเทศบราซิล เพื่อพัฒนา Machine learning ซึ่งสามารถตรวจหาความสุกงอมได้ถูกต้องถึง 94.7 เปอร์เซ็นต์

        การวัดความสุกงอมและการระบุคุณลักษณะที่เกี่ยวข้องกับความสุกงอมเป็นหนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุด นักวิจัยเริ่มต้นด้วยแผนภูมิคำแนะนำของรัฐบาลที่แสดงถึงความสุกงอมของมะละกอห้าระดับ แต่อีกไม่นานพวกเขาจะรวมระดับความสุกงอมเป็นสามระดับขึ้นอยู่กับการตรวจสอบภาพ เปลือกนอกของมะละกอสีทองเริ่มออกเป็นสีเขียวและสีเหลืองเมื่อผลไม้สุก โดยพวกเขาได้ตรวจสอบเพิ่มเติมเพื่อแบ่งสามระดับด้วยการทดสอบความแน่นของเนื้อผลไม้แต่ละลูก

        การ train อัลกอริธึม Machine leaning ต้องใช้มะละกอที่หลากหลาย นักวิจัยคาดว่าจะได้รับมะละกอเป็นจำนวนมากจากเกษตรกรในท้องถิ่น แต่ในที่สุดก็พบว่าตัวเองกำลังซื้อมะละกอเนื้อแดงจำนวน 57 ลูกในตลาดท้องถิ่นของ Campinas นักวิจัยได้พิจารณาอัลกอริทึม Machine learning หลายรูปแบบก่อนที่จะเลือกใช้ Random forest classifier วิธีการนี้ช่วยให้นักวิจัยสามารถมองเห็นได้ชัดเจนว่าคุณสมบัติของมะละกอที่แตกต่างกันมีผลต่อผลลัพธ์ที่ได้จากอัลกอริธึม Machine learning อย่างไร

        การใช้โครงข่ายประสาทเทียมของ Deep learning อาจทำให้ได้ผลลัพธ์ที่ดีในการตรวจหามะละกอสุก แต่เพื่อนร่วมงานของมหาวิทยาลัย Londrina State University ได้ระมัดระวังเรื่องธรรมชาติของ Deep learning ซึ่งมักจะเป็นเรื่องยากที่จะรู้ว่าผลที่ได้จาก Deep learning นั้นมาได้อย่างไร นอกจากนี้ Deep learning จะต้องใช้ตัวอย่างมะละกอที่มีขนาดใหญ่ขึ้นในการ train เพื่อเพิ่มความถูกต้อง

        ถึงแม้จะมีความถูกต้อง 94.7 เปอร์เซ็นต์ แต่ความแม่นยำในการระบุระดับการสุกงอมที่เหมาะสมจะลดลงเหลือเพียง 84.4 เปอร์เซ็นต์สำหรับตัวอย่างผลไม้สุกในระยะที่สาม ส่วนหนึ่งมาจากข้อเท็จจริงที่ว่าสีเปลือกไม่ตรงกับสภาพของเนื้อมะละกอภายใน อย่างไรก็ตามนักวิจัยคาดหวังว่าผลงานจะได้รับการปรับปรุงให้ดีขึ้นด้วยตัวอย่างที่หลากหลายขึ้นในอนาคต