کاهش ضایعات مواد غذایی با استفاده از سنسورهای هوشمند

کاهش ضایعات مواد غذایی با استفاده از سنسورهای هوشمند

اخبار کشاورزی که در 10 بهمن 1398

به گزارش سایت قطره و به نقل ازرکنا، کشاورزی مدرن با دستیابی به پیشرفت های فنی مانند دستگاه های شخم زدن و برداشت محصول، آبیاری کنترل شده، کودها، سموم دفع آفات، اصلاح نباتات و تحقیقات ژنتیک تکامل یافته است.

– این ها به کشاورزان کمک کرده است که محصولات با کیفیت بسیاری را به روشی نسبتاً قابل پیش بینی تولید کنند.

اما هنوز پیشرفت هایی برای دستیابی به بهترین عملکرد ممکن از انواع مختلف خاک وجود دارد؛ و همچنین ضرر های بزرگی که به ویژه هنگام برداشت و پس از آن، به دلیل نبود نظارت و استفاده نادرست از محصولات، رخ می دهد.

این صنعت نیاز به راه حل های هوشمند و دقیق دارد که از طریق فناوری جدید قابل دسترسی است.

کشاورزی هوشمند با هدف استفاده از فناوری های نوین، برای بهبود عملکرد و کیفیت محصول است.

یک مثال کشاورزی دقیق، یک مفهوم خاص برای مدیریت محصول در سایت است که از یک سیستم پشتیبانی تصمیم گیری مبتنی بر نظارت، اندازه گیری و پاسخ به تغییرپذیری درون و درون میدانی در محصولات زراعی استفاده می کند.

فناوری جدید به کشاورزان این امکان را می دهد تا بازده خود را بهینه کرده و منابع را حفظ کنند.

چنین راه حل های مانیتورینگ با ادغام دستگاه های سنجش الکترونیکی که داده ها را در خاک، محیط و یا محصولات ضبط می کنند، قابل دستیابی است.

سپس داده ها می توانند از طریق فرآیندی به نام تجزیه و تحلیل داده، اطلاعات مفیدی را برای تصمیم گیری فراهم کنند.

هدف این است که استفاده بهینه از خاک در یک زمینه خاص، کنترل و مراقبت از محصولات زراعی و تصمیم گیری آگاهانه در مورد استفاده از محصولات پس از برداشت محصول انجام شود.

هدف از ایجاد و استفاده از سنسورها، تعیین کیفیت طیف گسترده ای از محصولات باغی، از جمله میوه هاست.

محققان از روش های هوش رایانه ای برای تشخیص نقص و پیش بینی کیفیت میوه استفاده کردند.

آخرین تحقیقات نشان داد که راه حل های مبتنی بر داده، دارای چندین مزیت است؛ مثلا آن ها می توانند با کاهش خسارات میوه ها و سبزیجات در زنجیره تأمین از مزرعه تا مصرف کمک کنند.

با این حال میوه ها و سبزیجات می توانند قبل، هنگام و بعد از برداشت و همچنین در انبار آسیب ببینند و برخی پوسیدگی و خراب شدن هم ناشی از ویروس ها، قارچ ها، باکتری ها یا پاتوژن های میکروبی است.

محصولاتی هم که کاملاً بسته بندی یا کبود شده اند در معرض آسیب پذیری در برابر عفونت ها بوده و ماندگار نمی شوند.

طبق آمار سازمان غذا و کشاورزی سازمان ملل متحد، حدود 14 ٪ از مواد غذایی جهان پس از برداشت محصول و قبل از رسیدن به مغازه ها و بازار ها از بین می رود که به این ترتیب تقریباً یک سوم غذای جهان هم از بین رفته یا هدر می رود.

به حداقل رساندن فقدان مواد غذایی و زباله برای ایجاد جهانی عاری از هرگونه سوءهاضمه که بیش از 821 میلیون نفر در حال حاضر از گرسنگی رنج می برند، بسیار مهم است.

تحقیقات ما شامل نقشی است که تجزیه و تحلیل داده ها در تشخیص نقص در میوه و سبزیجات می تواند داشته باشد.

محققان دریافتند که یادگیری ماشینی، توانایی رایانه ها برای یافتن الگو های داده، پیش بینی و تصمیم گیری بدون برنامه ریزی صریح افزایش داده و از روش های سنتی برای طبقه بندی محصولات فراتر می رود.

یادگیری ماشینی در تشخیص بیماری های گیاهی و میوه دستاورد های چشمگیری داشته است.

این امر می تواند با هدف نظارت بر کیفیت میوه و سایر غذا ها گسترش پیدا کند.

از سنسور ها می توان برای تشخیص حشرات و بیماری ها در میوه ها و سبزیجات استفاده کرد.

آن ها همچنین می توانند خواص بدنی مانند استحکام و اسیدیته را برای تعیین کیفیت محصول اندازه گیری کنند.

قابل قبول بودن این محصولات به رنگ، شکل، اندازه، شیرینی و نبود هیچ نقصی مانند کبودی و آلودگی حشرات بستگی دارد.

دستگاه های سنجش می توانند داده های مربوط به این خصوصیات را به الگوریتم های رایانه برای تجزیه و تحلیل ارائه دهند.

این تحولات جدید در یادگیری ماشین، امکان تعیین سریع و مؤثر کیفیت و پیش بینی کیفیت محصولات تازه را فراهم می آورد.

به عنوان مثال، تکنیک های تصویربرداری با الگوریتم های یادگیری ماشین همراه است تا بتواند کبودی، سرماخوردگی و قهوه موجود در میوه مانند سیب، گلابی و مرکبات و نقایص مختلف گوجه فرنگی را تشخیص دهد.

برنامه های مبتنی بر تلفن های هوشمند برای استفاده در تشخیص کیفیت میوه ها در حال توسعه هستند.

یک روند تحقیقاتی جهانی در حال حاضر با هدف ادغام دستگاه های سنجش در امتداد زنجیره غذایی برای نظارت و کنترل مداوم شاخص های کیفیت، به راه حل هایی دست یافته است.

نخست نظارت بر محصول؛ از سنسور ها می توان برای اندازه گیری خواص میوه و سبزیجات در هنگام رشد مانند رنگ، اندازه و شکل استفاده کرد.

چنین اطلاعاتی به کنترل شرایط رشد مانند تأمین آب کمک و بهترین تاریخ برداشت را به طور دقیق تعیین می کند؛ این باعث کاهش خسارات هنگام برداشت می شود، مثلا برخی از کشاورزان خرده فروشی در آلمان از طریق تلفن های هوشمند برای ارسال کیفیت محصولات زراعی خود از طریق ارسال تصاویر محصول که توسط متخصصین از طریق مدل های یادگیری ماشین پردازش می شوند، استفاده می کنند و سپس به بازخورد آن به کشاورزان ارسال می شود.

شرکت ها در حال تهیه مدل هایی برای ردیابی عوامل محیطی مانند تغییرات آب و هوا هستند.

برای ورود به کانال تلگرام ما کلیک کنید.

حوادث اختصاصی رکنا را اینجا بخوانید:
کلید واژه ها: محصول – کشاورزی – استفاده – هوشمند – استفاده از فناوری – محصولات – استفاده نادرست – کشاورزی هوشمند – پیشرفت – برداشت – فناوری – عملکرد – کیفیت – نظارت – تصمیم گیری – مواد غذایی – کشاورزان – قابل – پیش بینی – تحقیقات – آبیاری – دسترسی – مدیریت – بهترین – ضایعات – دستگاه – تکامل – بهبود – گزارش – کنترل

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *