למידת מכונה וטכנולוגיית הדמיה לחיזוי איכות העגבניות לפני הקטיף

חוקרים פיתחו מודל למידת מכונה מבוסס בינה מלאכותית המשתמש בהדמיה היפר-ספקטרלית כדי להעריך את איכות העגבניות לפני הקטיף. השיטה, שאינה פוגעת בפירות, חוזה תכונות איכות חשובות כמו משקל, קשיחות ותכולת ליקופן ומאפשרת לחקלאים לעקוב אחר התפתחות הפירות בזמן אמת, לתזמן את הקטיף בצורה מיטבית ולשפר את איכות היבול.  

"גישות מסורתיות להערכת איכות עגבניות גוזלות זמן, פוגעות בפירות ויקרות, ולכן מוגבלות לשימוש בדגימות קטנות לאחר הקטיף. לחקלאים אין כלים מעשיים לניטור איכות הפירות לפני הקטיף, למרות שזהו מרכיב חיוני לאופטימיזציה של תנאי הגידול ולשיפור איכות היבול", מסביר בוגר העברית ד"ר דוד הלמן, ראש מעבדת הדמיה ומודלים של מערכות צמחייה באוניברסיטה העברית בירושלים, שהובילה את המחקר, בראיון ל-Food Ingredients First.

מלבד שיפור האיכות התזונתית, הטכנולוגיה המונעת בבינה מלאכותית עשויה גם לאפשר "התאמה טובה יותר לשינויים סביבתיים, חיזוק חוסן מערכות חקלאיות ותמיכה בביטחון המזון העולמי", מוסיף ד"ר הלמן.  

לכתבה המלאה >>>