Un chercheur de Skoltech et ses collègues allemands ont développé un algorithme de classification basé sur un réseau neuronal qui peut utiliser les données d’un verger de pommiers pour prédire dans quelle mesure les pommes se comporteront dans un stockage à long terme. Le papier était publié dans Informatique et électronique dans l’agriculture.
Crédit d’image: Pavel Odinev / Skoltech
Avant que les fruits et légumes que nous aimons tous ne finissent sur nos tables, ils doivent être stockés pendant un certain temps, et pendant ce temps, ils peuvent développer des troubles physiologiques tels que le brunissement de la chair ou des échaudures superficielles (taches brunes ou noires sur la peau du fruit). Ces troubles contribuent à la perte d’une quantité substantielle de produit, et de nombreux efforts de recherche sont consacrés au développement de méthodes robustes de prédiction des troubles – une tâche notoirement difficile en raison de la multitude de facteurs impliqués, tant au verger que dans le facilité de stockage.
Le professeur adjoint Skoltech Pavel Osinenko (anciennement au laboratoire de contrôle automatique et de dynamique des systèmes, Technische Universität Chemnitz) et ses collègues ont rassemblé trois ans de données sur un verger de pommiers Braeburn en Allemagne, y compris des données météorologiques et des informations provenant de capteurs non destructifs tels que le visible et spectroscopie proche infrarouge. Les informations recueillies comprenaient des données sur la chlorophylle, les anthocyanes, les solides solubles et la teneur en matière sèche. L’équipe a également utilisé des évaluations de la qualité des fruits après stockage (par exemple, les consommateurs aiment leurs pommes belles et fermes, il existe donc une métrique pour cela).
«Le verger expérimental était tout à fait normal et la méthodologie développée peut en fait être mise en œuvre dans l’industrie sans trop d’efforts», dit Osinenko.
Les chercheurs ont développé un algorithme de classification basé sur un réseau neuronal récurrent et l’ont formé sur les données du verger. L’algorithme a finalement réussi à prédire à 80% le brunissement interne des pommes, l’apparition de caries en surface et la fermeté des fruits. «C’est définitivement un succès puisque nous parlons d’une solution automatisée qui ne nécessite pas d’experts humains. Bien sûr, davantage de données et de réglages sont nécessaires, mais à titre de preuve de concept, les résultats obtenus sont en effet prometteurs », note Osinenko.
Il ajoute que grâce à la conception prédictive de la méthodologie, les agriculteurs peuvent utiliser les informations du classificateur pour obtenir un meilleur rendement. Et l’équipe a déjà reçu des demandes de renseignements sur une éventuelle collaboration sur d’autres types de fruits et même de légumes, car cette approche peut également fonctionner pour eux.
La source: Skoltech
