ИИ и здоровое питание: Дмитрий Каплун рассказал о том, как разработки ЛЭТИ помогают в повышении качества пищевых продуктов
Доцент кафедры АПУ СПбГЭТУ «ЛЭТИ» Дмитрий Ильич Каплун объяснил, как сегодня ИИ используется в сельском хозяйстве, а также представил разработки университета, которые помогают в улучшении качества пищевых продуктов.
Ежегодно 29 мая отмечается Всемирный День здорового пищеварения, который был учрежден в 1958 году. В этот день гастроэнтерологи проводят различные лекции, на которых поднимаются вопросы по «оздоровлению» рациона. Однако здоровое питание зависит не только от регулярного приема еды и умеренного количества потребляемой пищи, но и от качества самих продуктов.
О том, как сегодня используется искусственный интеллект (ИИ) в сельском хозяйстве, как с помощью нейросетей производители повышают качество продуктов питания, а также о том, какие разработки ведутся в СПбГЭТУ «ЛЭТИ» в интересах развития отрасли рассказал доцент, заместитель заведующего кафедрой АПУ СПбГЭТУ «ЛЭТИ» Дмитрий Ильич Каплун.
– В 2023 году сельское хозяйство (СХ) вошло в число приоритетных отраслей экономики России для внедрения искусственного интеллекта. Можете рассказать, как сейчас в стране нейросети и машинное обучение используются в СХ?
– На самом деле, внедрение новых технологий в СХ проходит очень тяжело, поскольку это довольно консервативная отрасль. Согласно данным Минсельхоза России за прошлый год, только 12% компаний в настоящее время применяют технологии искусственного интеллекта, в то время как 36% из них лишь планируют внедрить эти технологии в будущем.
Потенциально нейросети и машинное обучение могут использоваться в СХ для автоматизации таких процессов, как контроль технологических операций, контроль состояния СХ животных, контроль качества продуктов и растений. Но на настоящий момент степень проникновения подобных инструментов низкая.
– Получается, в будущем полная автоматизация работы с помощью ИИ возможна?
– Да, полная автоматизация возможна. Например, в растениеводстве уже сейчас есть различные умные теплицы, где на основе данных с сенсоров полностью контролируется и управляется процесс роста растений в реальном времени.
– А что насчет использования нейросетей для улучшения качества продуктов питания. Действительно ли это возможно и каким именно образом?
– Да. Если кратко, то за счет автоматизации и улучшения качества контроля на всех этапах производства.
Первым этапом является обнаружение дефектов в процессе производства. ИИ можно научить обнаруживать дефекты в изделиях на основе изображений, видеозаписей или других сенсорных данных. Это позволяет производителям выявлять проблемы с качеством на ранних стадиях производственного процесса, уменьшая количество отходов и улучшая общее качество продукции.
Второй этап заключается в профилактическом обслуживании. Анализируя информацию с датчиков и других источников, алгоритмы ИИ могут предсказать, когда оборудование может выйти из строя, и инициировать действия по техническому обслуживанию или ремонту до возникновения проблем. Это помогает сократить время простоя, улучшить качество продукции и продлить срок службы оборудования.
И третий этап – ИИ также можно использовать для оптимизации проектирования продуктов и производственных процессов. Анализируя данные из различных источников, включая отзывы потребителей, информацию об использовании продукта и данные о цепочке поставок, ИИ может определить области для улучшения в дизайне продукта и производственных процессах.
Все эти шаги вместе могут существенно помочь производить более качественную продукцию и оптимизировать свою деятельность, что в итоге приведёт к повышению качества продукции и удовлетворенности клиентов.
– Ученые ЛЭТИ активно занимаются разработками, которые связаны с искусственным интеллектом. Есть ли в вузе проекты, которые нацелены на повышение производительности в сельском хозяйстве или на улучшение качества пищевой продукции?
– Да, конечно. На кафедре АПУ в рамках одного из проектов изготовлен практически готовый продукт – система для автоматического определения веса свиней с помощью компьютерного зрения. Это нейросетевая модель, которая в автоматическом режиме измеряет их вес по геометрическим размерам, определяемым на основе записей с обычной видеокамеры. Подобные системы очень востребованы животноводческими комплексами.
Кроме того, у нас имеется разработка аппаратно-программного комплекса для мониторинга поведения и параметров здоровья крупного рогатого скота. В перспективе данное программное обеспечение станет более эффективной альтернативой для систем, которые позволяют отслеживать физиологическое состояние животных с помощью специальных датчиков, поскольку для применения нашей системы потребуется только несколько обычных камер.
Сейчас на этапе прототипа у нас разработана система для прогнозирования количества осадков и контроля качества фруктов. В систему входит модуль для сбора данных от датчиков, интеллектуальные модули для прогнозирования количества осадков и мониторинга состояния фруктов, а также пользовательский интерфейс. Данная работа выполнена в рамках государственного задания на молодежные лаборатории по ИИ.