Фото: із відкритих джерел
Компанія GoMicro AI у бета-режимі випробовує застосунок SpotCheck на бананах, щоб отримувати не «ідеально точну», а стабільну й відтворювану оцінку стадій дозрівання. Розробники вважають, що це може допомогти точніше налаштовувати процес дозарювання та рішення в ланцюгу постачання.
Про це повідомляє сайт Аграрії разом з посиланням на Freshplaza.
Контроль якості свіжої продукції й досі значною мірою спирається на руйнівні методи, які застосовують десятиліттями: вони дають надійний результат на невеликій вибірці, але погано масштабуються на великі партії. Про це розповів доктор Сівам Кріш (GoMicro AI), коментуючи бета-випробування застосунку SpotCheck на бананах.
За його словами, у практиці домінують два підходи: фізичні вимірювання (зокрема твердість, brix, суха речовина) та інструменти на базі ШІ, які намагаються «вивести» внутрішній стан плоду лише з його зовнішнього вигляду. Кріш наголошує, що другий підхід має фундаментальне обмеження: зовнішній колір не завжди надійно відображає внутрішню стиглість, особливо коли дозарювання відбувається керовано.
«Ви можете мати ідеально жовтий банан, який всередині досить крихкий і недозрілий. Під час дозарювання ви руйнуєте природний зв’язок між внутрішнім і зовнішнім, бо ви “форсуєте” процес. Тому такі висновки (inferences) насправді не працюють», — пояснює він.
Як працює підхід SpotCheck
Ключова відмінність підходу GoMicro AI, за словами Кріша, у тому, що замість одного універсального «загального» алгоритму компанія будує вузькі спеціалізовані моделі під конкретні умови — і навчає їх на відносно невеликій кількості зображень. Логіка така: варіативність між сортами, сезонами та умовами транспортування ускладнює роботу єдиного узагальненого рішення, тоді як звуження «контексту» може підвищити точність у межах визначених умов.
«Відмінності між сортами, сезонами та умовами перевезення ускладнюють надійну роботу одного універсального моделю для всіх ситуацій. Ми можемо звузити сферу до конкретних умов і навчити модель працювати точніше в межах цього “коридору”», — каже Кріш.
Фокус не на «абсолютній стиглості», а на повторюваності
SpotCheck, як описує розробник, не ставить за мету знайти «об’єктивну» міру стиглості. Натомість завдання — давати послідовне, повторюване показання, яке стабільно відстежує реальні зміни у плоді й може слугувати сигналом для рішень у дозарюванні та логістиці.
Кріш також звертає увагу, що шкали на кшталт «семи стадій банана» є радше практичною домовленістю, ніж універсальною науковою константою. Тому цінність інструмента він описує через відтворюваність вимірювання, а не через ідеальне потрапляння в умовну шкалу.
«Усе, що ми робимо, — використовуємо це, щоб налаштувати ланцюг постачання. Якщо ви знаєте, що це п’ята стадія, то за два дні вона “піде”. Оце й має значення», — пояснює він.
Для чого це може бути корисно в ланцюгу постачання
Заявлена мета — підтримати фахівців, які вже ухвалюють рішення щодо дозарювання, і дати їм стабільну «точку відліку» в найскладніших проміжних стадіях, коли банани готують до відвантаження в роздріб. У випробуванні на бананах експертну оцінку, на якій базується модель, забезпечує Чейз Пензіні, категорійний менеджер Perfection Fresh.
Як описує Кріш, практичне питання, яке намагаються закрити, — це підбір режиму газування та тривалості витримки: чи досяг банан потрібної стадії, щоб через кілька днів у супермаркеті він відповідав очікуванням ритейлу.
Серед очікуваних результатів розробники називають зменшення втрат і кращу відповідність продукту запиту споживача — через налаштування процесів «від кінцевого попиту назад», а не через нав’язування єдиного стандарту для всіх партій.