Skoltech 的一名研究人员和他的德国同事开发了一种基于神经网络的分类算法，该算法可以使用来自苹果园的数据来预测苹果在长期储存中的表现。该论文发表在农业计算机和电子设备。

我们都喜欢的水果和蔬菜在上桌之前，必须存放相当长的时间，在此期间它们会出现肉褐色或表面烫伤(皮肤上的棕色或黑色斑块)等生理障碍。水果)。这些疾病导致了大量产品的损失，大量的研究工作致力于开发稳健的疾病预测方法——这是一项众所周知的艰巨任务，因为涉及的因素众多，无论是在果园还是在储存设施。

Skoltech 助理教授 Pavel Osinenko(以前在开姆尼茨理工大学自动控制和系统动力学实验室工作)和他的同事们收集了德国 Braeburn 苹果园三年的数据，包括天气数据和来自非破坏性传感器(如可见光传感器)的信息和近红外光谱。收集的信息包括叶绿素、花青素、可溶性固体和干物质含量的数据。该团队还使用了对储存后水果质量的评估(例如，消费者喜欢他们的苹果又好又硬，所以有一个衡量标准)。

“实验果园很正常，开发的方法实际上可以毫不费力地在工业中实施，”Osinenko 说。

研究人员开发了一种基于循环神经网络的分类算法，并在果园数据上对其进行了训练。该算法最终在预测苹果内部褐变、表面空洞的出现和果实硬度方面取得了 80% 的成功。“这绝对是成功的，因为我们谈论的是一种不需要人类专家的自动化解决方案。当然，还需要更多的数据和调整，但作为概念证明，所取得的结果确实很有希望，”Osinenko 指出。

他补充说，由于该方法的预测设计，农民可以使用来自分类器的信息来获得更高的产量。该团队已经收到有关其他类型水果甚至蔬菜可能合作的询问，因为这种方法也适用于他们。