კარტოფილის მწარმოებლებისთვის მოსავლის აღების შემდგომი დახარისხების პროცესი კრიტიკული, მაგრამ რთული შემაფერხებელი ფაქტორია. დახარისხებისთვის ადამიანურ შრომაზე დამოკიდებულება არა მხოლოდ ძვირი და ნელია, არამედ მიდრეკილია შეუსაბამობისა და შეცდომებისკენ, რაც იწვევს მნიშვნელოვან ფინანსურ დანაკარგებს დაავადებების გავრცელებისა და პროდუქტის ხარისხის გაუარესების გამო. ამ ძირითადი ინდუსტრიული გამოწვევის მოსაგვარებლად, ჰუნანის სოფლის მეურნეობის უნივერსიტეტის მკვლევარებმა შეიმუშავეს YOLO-MTP, დახვეწილი ღრმა სწავლების მოდელი, რომელიც შექმნილია კარტოფილის ხარისხის კონტროლის ავტომატიზაციისა და გაუმჯობესებისთვის. მრავალი არსებული სისტემისგან განსხვავებით, რომლებიც ასრულებენ ერთ დავალებას, YOLO-MTP არის ორმაგი დანიშნულების ინსტრუმენტი, რომელიც ადგენს ექვს გავრცელებულ ზედაპირულ დეფექტს - მათ შორის ქერქს, ჭიაყელას, აღმოცენებას, მექანიკურ დაზიანებას, მშრალ ლპობას და დაჟეჟილობას - და ამავდროულად აფასებს ბოლქვის მოხმარების ან დარგვისთვის საერთო ვარგისიანობას.
ამ მოდელის მუშაობა აღსანიშნავია. შიდა ტესტირებამ აჩვენა დეფექტების გამოვლენის 96%-ზე მეტი სიზუსტე, რომელიც რეალურ დროში მუშაობს გადამუშავების ხაზზე. მისი მთავარი უპირატესობაა მისი შესაძლებლობა, გამოავლინოს მრავალი, მცირე ან გადამკვეთი დეფექტი ერთ კარტოფილზე, რაც ტრადიციულად რთული ამოცანა იყო ავტომატიზირებული სისტემებისთვის. სიზუსტის ეს მაღალი დონე გადამწყვეტია. სურსათისა და სოფლის მეურნეობის ორგანიზაციის (FAO) მონაცემებით, ძირხვენების მოსავლის აღების შემდგომი დანაკარგები ზოგიერთ განვითარებად რეგიონში შეიძლება 30%-ს აღემატებოდეს, ხშირად არასაკმარისი დახარისხებისა და შენახვის გამო. დაავადებული ტუბერების, მაგალითად მშრალი ლპობის მქონე ტუბერების სწრაფი იდენტიფიცირებითა და მოცილებით, YOLO-MTP-ის მსგავს სისტემებს შეუძლიათ პირდაპირ ებრძოლონ ამ დანაკარგებს, დაიცვან მთელი პარტიის ხარისხი და საბაზრო ღირებულება. ეს ინოვაცია ჩნდება იმ დროს, როდესაც MarketsandMarkets-ის ბოლოდროინდელი ანალიზის თანახმად, სოფლის მეურნეობაში ხელოვნური ინტელექტის გლობალური ბაზარი მნიშვნელოვნად გაიზრდება, დაახლოებით 1.7 მილიარდი დოლარიდან 2023 წელს 4.7 მილიარდ დოლარზე მეტ დოლარამდე 2028 წლისთვის, რაც ხაზს უსვამს ინდუსტრიის მნიშვნელოვან გადასვლას მონაცემებზე დაფუძნებული გადაწყვეტილებებისკენ.
YOLO-MTP მოდელის შემუშავება სოფლის მეურნეობის ტექნოლოგიებში მნიშვნელოვან წინგადადგმულ ნაბიჯს წარმოადგენს. ის სცილდება მარტივ ავტომატიზაციას და უზრუნველყოფს ინტელექტუალურ, მრავალმხრივ ხარისხის შეფასებას, რომელიც სიჩქარითა და თანმიმდევრულობით აღემატება ადამიანის შესაძლებლობებს. ფერმერების, აგრონომებისა და ინჟინრებისთვის ეს მნიშვნელოვანი შედეგებია: დეფიციტურ მუშახელზე დამოკიდებულების შემცირება, მოსავლის აღების შემდგომი დანაკარგების მინიმიზაცია, დაავადებების მართვის გაუმჯობესება და პროდუქტის საერთო ხარისხის გაუმჯობესება. მიუხედავად იმისა, რომ ამჟამად კვლევის პროტოტიპია, მისი პოტენციალი კომერციულ დახარისხების მანქანებში ინტეგრაციისა და სხვა კულტურებისთვის ადაპტაციისთვისაც კი მას ეფექტური და მდგრადი კარტოფილის წარმოების მომავლის ფუნდამენტურ ტექნოლოგიად აქცევს.
