VEŠTAČKI VID PREUZIMA KONTROLU
Veštačka inteligencija sve češće dobija ulogu oka u industrijskoj proizvodnji. Jedan od zanimljivijih primera dolazi iz sistema za automatsku kontrolu jabuka na pokretnoj traci. Kamera u realnom vremenu prati plodove, detektuje njihovu poziciju i razlikuje zdrave od oštećenih jabuka. Algoritmi omogućavaju njihovo pojedinačno praćenje i brojanje čak i kada se plodovi preklapaju ili su delimično zaklonjeni. Na taj način klasična transportna traka dobija sistem koji može kontinuirano da nadgleda kvalitet i količinu voća.
U prikazanom rešenju koriste se YOLO26, ByteTrack i OpenCV. YOLO26 je namenjen detekciji objekata u realnom vremenu, dok ByteTrack omogućava da se isti plod prati kroz uzastopne kadrove, čime se smanjuje mogućnost njegovog višestrukog brojanja. OpenCV se koristi za obradu slike i video-signala. Tako čitav sistem može da analizira ono što kamera vidi dok se jabuke kreću proizvodnom linijom.
OD PREPOZNAVANJA DO KONTROLE KVALITETA
Mašinski vid se u poljoprivredi već godinama istražuje za procenu boje, veličine, oblika i kvaliteta voća, ali savremeni sistemi zasnovani na dubokom učenju omogućavaju znatno složeniju analizu. Algoritmi mogu da prepoznaju promene na površini ploda i izdvoje jabuke sa različitim vrstama oštećenja, što potencijalno omogućava automatsko razvrstavanje bez potrebe da čovek pregleda svaki pojedinačni plod.
Jedno istraživanje objavljeno u časopisu Computers and Electronics in Agriculture pokazalo je da kombinacija NIR kamera i YOLO algoritma može da detektuje defekte na različitim sortama jabuka. Sistem je u eksperimentalnim uslovima dostigao prosečnu preciznost detekcije od oko 93,9 odsto. Takvi rezultati ukazuju na potencijal tehnologije za kontrolu kvaliteta u okruženjima gde se veliki broj plodova mora pregledati u kratkom vremenskom periodu.
KADA JABUKE POČNU DA „NESTAJU“ JEDNA IZA DRUGE
Jedan od najvećih izazova nastaje kada se jabuke dodiruju, preklapaju ili jedna delimično zakloni drugu. U takvoj situaciji sistem mora da razlikuje pojedinačne plodove i da ih prati kroz više uzastopnih kadrova. Upravo tu algoritmi za praćenje objekata, poput ByteTrack, imaju važnu ulogu. Oni omogućavaju povezivanje detekcija i očuvanje identiteta istog ploda dok se kreće duž trake.
Ovakva tehnologija ne znači da će ljudska kontrola odmah nestati, ali bi mogla značajno da smanji količinu rutinskog pregleda. Računar može neprekidno da prati, broji i klasifikuje plodove. Radnici bi mogli da nadziru sistem i intervenišu u situacijama koje zahtevaju procenu čoveka. Ako se preciznost ovakvih rešenja nastavi poboljšavati, računarski vid bi mogao da postane jedan od ključnih elemenata budućih automatizovanih linija za sortiranje i pakovanje voća.
View this post on Instagram
