An Optimal Ensemble Deep Learning Framework for Non-Destructive Egg Quality Analysis Supporting Food Packaging Applications
تقترح هذه الدراسة إطار عمل للشبكات العصبية التلافيفية المجمعة، خفيف الوزن وغير مدمر، يحقق دقة بنسبة 97.50% في اكتشاف شقوق قشر البيض باستخدام استخراج الميزات متعدد المقاييس، مما يوفر بديلاً فعالاً من الناحية الحسابية وقوياً للفحص اليدوي ونماذج التعلم العميق الحالية لتطبيقات تغليف الأغذوتلقائية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم إنتاج الغذاء، تُعد رحلة البيضة من المزرعة إلى المائدة عملية دقيقة. فهذه القشور الهشة عرضة للكسر أثناء عمليات المناولة والنقل العنيفة، ويمكن لبيضة واحدة مكسورة أن تلوث دفعة كاملة، مما يؤدي إلى الهدر ومخاطر تتعلق بالسلامة. ولعقود من الزمن، اعتمدت الصناعة على العمال البشريين لفحص هذه البيض، وهي عملية بطيئة ومرهقة وعرضة للخطأ البشري. وبينما أُدخلت الآلات للمساعدة، فإن العديد من الأنظمة الآلية الموجودة حالياً إما ضخمة جداً، أو مكلفة للغاية، أو تتطلب ظروف إضاءة مثالية لتعمل، مما يجعل من الصعب تركيبها في المصانع الواقعية. ويكمن التحدي الجوهري في تعليم الكمبيوتر رؤية صدع شعري في سطح منحني وذو ملمس بارز دون الحاجة إلى كمبيوتر خارق ضخم للقيام بالعمليات الحسابية.
قام باحثون في معهد سريلانكا لتكنولوجيا المعلومات وجامعة سوبرن بير للتكنولوجيا بتطوير نهج جديد لحل هذه المشكلة. فقد ابتكروا نظاماً حاسوبياً خفيف الوزن مصمماً خصي تخصصياً لرصد الشقوق في قشور البيض بسرعة ودقة، حتى عندما تكون الصور التي يراها صغيرة والإضاءة غير مثالية. وبدلاً من الاعتماد على طريقة واحدة معقدة للنظر إلى البيض، بنى الفريق نظاماً يستخدم ثلاث "عيون" مختلفة في آن واحد. تنظر كل عين إلى الصورة بطريقة مختلفة قليلاً، حيث تركز على التفاصيل الدقيقة، والأنماط متوسطة الحجم، والأشكال العريضة جميعها في وقت واحد. ومن خلال دمج ما تراه هذه المنظورات الثلاثة، يمكن للنظام التمييز بين الصدع الحقيقي والعلامات السطحية غير الضارة مثل الأوساخ أو النتوءات الطبيعية.
اختبر الباحثون نظامهم على مجموعة تضم 1,400 صورة للبيض، تضمنت قشوراً بيضاء وبنية، بعضها مشروخ وبعضها سليم. وقد دربوا الكمبيوتر على التعرف على هذه الأنماط باستخدام طريقة تفكك الصورة إلى قطع صغيرة سهلة الإدارة. وأثبت النظام فعالية ملحوظة، حيث حدد البيض المشروخ والسليم بدقة بلغت 97.5 بالمائة. وكان هذا الأداء متفوقاً على العديد من النماذج الحاسوبية المعروفة والثقيلة التي تُستخدم غالباً لمهام مماثلة. تلك النماذج الأكبر، رغم قوتها، تتطلب قدرة حاسوبية وذاكرة أكبر بكتمال لتشغيلها. وفي المقابل، فإن النظام الجديد فعال للغاية لدرجة أنه يمكنه العمل على أجهزة متواضعة، مستخدماً جزءاً ضئيلاً فقط من طاقة وذاكرة منافسيه.
إن أحد أكثر جوانب هذا العمل إثارة للإعجاب هو مدى ضآلة البيانات التي يحتاجها النظام للتعلم. فقد وجد الباحثون أنهم لم يحتاجوا إلى تغذية الكمبيوتر بصور عالية الدقة وكبيرة للحصول على نتائج جيدة. في الواقع، ساعد تصغير حجم الصور إلى حجم صغير جداً النظام على الأداء بشكل أفضل وأسرع. فعندما تم تقليص الصور إلى شبكة صغيرة من البكسلات، تجاهل النظام تفاصيل الخلفية المشتتة وركز بحت على الملمس الهيكلي للقشرة. سمح ذلك للنظام باتخاذ قرار في غضون 25.5 ميلي ثانية لكل بيضة. ولتوضيح سرعة هذا الأمر، قد يستغرق العامل البشري أكثر من ساعة لفحص ألف بيضة، بينما يمكن لهذا النظام الآلي معالجة نفس العدد في حوالي ساعة واحدة، مما يمثل زيادة في السرعة بمقدار مائة ضعف.
كما اختبر الفريق مدى قدرة النظام على التعامل مع العيوب الواقعية، مثل التغيرات في السطوع أو اختلاف ألوان الأضواء التي قد تحدث في مصنع مزدحم. وبينما كان النظام أقل تأكداً عندما كانت الإضاءة ساطعة جداً أو مظلمة جداً، إلا أنه حافظ على مستوى عالٍ من الدقة، حيث صنف حوالي 94 بالمائة من البيض بشكل صحيح تحت هذه الظروف المتنوعة. وأشار الباحثون إلى أن النظام جيد بشكل خاص في رصد الشقوق الواضحة، لكنه قد يواجه صعوبة أحياناً مع الكسور الشعرية الدقيقة جداً التي تشبه ملمس القشرة الطبيعي. وهذا يشير إلى أنه على الرغم من أن هذه التكنولوجيا فعالة للغاية، إلا أنها ليست مثالية بعد لكل نوع من أنواع العيوب، مما يعني أن التحسينات المستقبلية قد تركز على تلك الحالات الدقيقة.
في نهاية المطاف، يقدم هذا البحث مساراً عملياً لصناعة الغذاء. فمن خلال إنشاء نظام سريع ودقيق ومنخفض التكلفة، قدم الباحثون أداة يمكن تركيبها بسهولة في خطوط الإنتاج الحالية دون الحاجة إلى معدات متخصصة وباهظة الثمن. يعمل النظام عن طريق التقاط صورة بسيطة للبيضة، وتحليلها من خلال زوايا الرؤية الثلاث المختلفة، واتخاذ قرار في أجزاء من الثانية بشأن الاحتفاظ بالبيضة أو رفضها. وتعد هذه القدرة بتقليل الهدر، وتحسين سلامة الغذاء، وتخفيف العبء عن العمال البشريين، مما يضمن أن البيض الذي يصل إلى المستهلكين طازج وسليم قدر الإمكان. وتؤكد الدراسة أنه مع التصميم الصحيح، يمكن للذكاء الاصطناعي أن يكون شريكاً رشيقاً وفعالاً في المهمة المعقدة للحفاظ على سلامة إمداداتنا الغذائية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.