Студент бурятского вуза разработал нейросеть для распознавания фруктов по качеству

Она поможет фермерам и магазинам

Студент Восточно-Сибирского государственного университета технологий и управления (ВСГУТУ) разработал и запатентовал новую нейросеть для распознавания и классификации фруктов по качеству. Основанный на методе обратного распространения ошибки, этот инструмент позволяет точно определить стандартный и нестандартный класс фрукта на основе обученной нейронной сети.

Как рассказал автор, студент направления «Прикладная информатика» Алдар Батуев, программа использует стандартные параметры, заданные в нейронной сети, для распознавания изображений фруктов различных видов.

- Сложность работы состояла в изучении новых библиотек и функций. Я сам решил разработать нейросеть на знакомом для себя языке Python. Данные нашёл в интернете, их обработал и создал рабочий датасет (набор данных - ред.). Обучение после написания кода было простым, я редактировал параметры, чтобы добиться большего процента успеха в распознавании, - отметил он.

Разработчик добавил, что эта нейросетевая модель позволит значительно упростить процесс классификации фруктов по их качеству и может стать ценным инструментом для сельскохозяйственных предприятий, производителей фруктово-ягодных изделий и магазинов, продающих фрукты.

На достигнутом Алдар и его научный руководитель, профессор, заведующий кафедрой «Прикладная информатика, статистика и анализ данных» Оксана Хохлова останавливаться не планируют. В дальнейшем предстоит оформить интерфейс программы. Сейчас оболочка «сырая» и выполняет только самые необходимые функции, сообщает пресс-служба вуза. При этом ещё нужно дальше продолжать обучать нейросеть. В будущем разработчик планирует добавить возможность распознавания и классификации овощей.

Справка:

Обратное распространение ошибки (BP) — это метод обучения нейронных сетей, который используется для обновления весов сети на основе ошибки между выходными данными и целевыми данными. BP включает в себя три основные шага: прямое распространение (forward propagation), вычисление ошибки, и обратное распространение (backpropagation).

Основная идея метода обратного распространения ошибки заключается в том, что для обучения нейронной сети необходимо знать разницу между предсказанным значением и правильным ответом (ошибку). Затем эта ошибка обратно распространяется через все слои сети, начиная с выходного слоя, и веса каждого нейрона в сети обновляются в соответствии с этой ошибкой.