Субъективность в оценке качества: проблема для аграриев
Долгие годы качество свежей сельхозпродукции оценивалось субъективно, что часто становилось причиной споров между фермерами и покупателями. Покупатели устанавливают свои стандарты, производители стараются им соответствовать, но разногласия неизбежны. Искусственный интеллект (ИИ) предлагает решение этой проблемы, превращая субъективные оценки в измеримые и общепринятые стандарты.
Как работает ИИ в оценке качества
По словам доктора Сивама Криша, основателя GoMicro AI, ключевая идея заключается в том, что покупатели уже знают, как выглядит "хорошая" продукция. Обучив ИИ на изображениях продукции с примерами хорошего и плохого качества, а также специфических дефектов, можно достичь единообразия в оценке качества на всех этапах цепочки поставок.
"Основная проблема — субъективная оценка," объясняет Криш. "Фермер считает, что его продукция хорошая, а покупатель находит дефекты. При этом нет объективного способа разрешить спор, так как обе стороны оценивают продукцию субъективно."
Субъективность как "налог" на цепочку поставок
Субъективная оценка качества несёт финансовые потери для фермеров. Если продукция не соответствует ожиданиям покупателя, её отклоняют, и фермеры вынуждены покрывать убытки. Отбракованная продукция быстро теряет ценность, что ведёт к уценке, списанию или отходам. В результате, субъективные оценки качества становятся своеобразным "налогом" на цепочку поставок.
ИИ позволяет избежать таких потерь, предоставляя возможность перераспределить продукцию на ранних этапах, пока она ещё может быть использована в других направлениях.
Единые стандарты и снижение споров
Одно из главных преимуществ ИИ — это не только автоматизация, но и создание единого стандарта оценки. Вместо нескольких инспекторов, применяющих разные критерии, система обучается воспроизводить согласованный подход к качеству.
"Мы воспроизводим суждение одного человека," говорит Криш. "И это суждение применяется на всех этапах цепочки. Нет смысла, чтобы фермер говорил, что продукция хорошая, если покупатель считает иначе."
Это устраняет разногласия, делая их не вопросом мнений, а предметом чёткой проверки. Если и фермер, и покупатель используют одну и ту же модель оценки, споры либо сводятся к минимуму, либо исчезают.
Преимущества для фермеров
Фермеры сразу ощущают экономическую выгоду. Оценка продукции по стандартам покупателя ещё до отправки снижает риск отказа и связанные с этим расходы на транспортировку, обработку и утилизацию. Продукция, которая не соответствует высоким требованиям, может быть перенаправлена на переработку или в менее требовательные рынки.
"Поставщик знает: если я отправлю это, его всё равно отклонят, потому что таковы их стандарты," отмечает Криш.
Технические вызовы и их решение
Технической сложностью всегда была точность. Некоторые дефекты, такие как загрязнение листьев друг другом в шпинате или незначительные повреждения в клубнике, трудно обнаружить даже визуально. Однако современные системы способны выявлять даже самые незаметные дефекты.
"Мы смогли разработать технологии, которые обнаруживают очень тонкие дефекты, включая те, которые сложно распознать глазом," говорит Криш. Более того, системы могут анализировать продукцию даже при её наложении — это было серьёзным ограничением для автоматизированной сортировки ранее.
Гибкость ИИ: обучение под покупателя
Важно, что подход ИИ не требует универсального стандарта. Систему можно быстро обучить под конкретные предпочтения покупателя, используя выборку изображений. Это позволяет цифровым технологиям воспроизводить субъективные суждения.
"Вы показываете системе примеры: это хорошее качество, это плохое. И модель учится воспроизводить эти категории," объясняет Криш.
В результате появляется прозрачная и общая основа для оценки качества, которая снижает разногласия, сокращает отходы и уменьшает скрытые издержки.
