موفقیت فناوران ایرانی در توسعه سامانه سورت هوشمند

به گزارش خبرگزاری صدا و سیما ، محمدرضا فرحناک، مدیر عامل یک شرکت فعال در حوزه دانش‌بنیان هوش مصنوعی با بیان این‌که در گذشته جداسازی و درجه‌بندی محصولات کشاورزی مانند پسته، مغز پسته، یا دانه‌های قهوه، عمدتاً به‌صورت چشمی و با تکیه بر نیروی انسانی انجام می‌شد، اظهار کرد: این روش‌ها اگرچه ساده و کم‌هزینه به نظر می‌رسند؛ اما همواره با خطای بالا، خستگی اپراتور و ناهماهنگی در کیفیت نهایی محصول همراه است. با ورود دستگاه‌های رنگ‌سنج و سیستم‌های اپتیکی اولیه، گامی رو به جلو برداشته شد؛ اما این فناوری‌ها نیز به‌دلیل تکیه بر قوانین ثابت رنگ و شدت نور، قادر به درک تفاوت‌های ظریف و متغیر در بافت محصولات نبودند.

وی ادامه داد: در چنین بستری، ظهور سامانه‌های سورت مبتنی بر هوش مصنوعی، مسیر تازه‌ای را پیش‌روی صنعت قرار داده است. این سامانه‌ها به جای استفاده از الگوریتم‌های ساده رنگ‌سنجی، از شبکه‌های عصبی پیچیده‌ای بهره می‌برند که مانند مغز انسان، از تجربه یاد می‌گیرند. در این فناوری، هزاران تصویر از محصولات سالم و معیوب به مدل آموزش داده می‌شود تا بتواند درک عمیقی از جزئیات ظاهری هر دانه یا قطعه پیدا کند. نتیجه این رویکرد، تشخیص دقیق‌تر، کاهش ضایعات، و افزایش سرعت تصمیم‌گیری در زمان واقعی است.

دوربین‌های صنعتی با رزولوشن بالا فناوری جدید به کار گرفته‌شده در دستگاه سورت هوشمند

مدیر عامل این شرکت دانش‌بنیان گفت: در حوزه هوش مصنوعی، در فناوری‌های جدید، دوربین‌های صنعتی با رزولوشن بالا تصاویر متوالی از جریان مواد ثبت می‌کنند و مدل هوش مصنوعی، در کسری از ثانیه نوع هر نمونه را تشخیص می‌دهد. سپس نازل‌های هوای فشرده، دانه‌های نامطلوب را از جریان اصلی جدا می‌کنند. این فرآیند نه‌تنها به بهبود کیفیت نهایی محصول کمک می‌کند، بلکه می‌تواند به‌طور قابل‌توجهی مصرف انرژی و نیاز به نیروی انسانی را کاهش دهد.

فرحناک افزود: یک شرکت‌های فعال در حوزه، هوش مصنوعی طی چند سال گذشته با استفاده از رویکردی بومی‌سازی‌شده، موفق به توسعه یک سامانه سورت هوشمند بر پایه‌ی یادگیری عمیق شده است. سامانه مذکور از معماری‌های مشابه شبکه‌های کانولوشنی (CNN) بهره می‌برد؛ همان الگوریتم‌هایی که در شناسایی چهره، رانندگی خودکار و پردازش تصاویر پزشکی به کار می‌روند؛ اما تفاوت اصلی در نحوه‌ی انطباق این مدل‌ها با ویژگی‌های منحصر‌به‌فرد محصولات کشاورزی است.

وی با بیان اینکه کاربرد این فناوری در محصولات با ارزش افزوده‌ی بالا، بیش از پیش اهمیت دارد، تصریح کرد: در فرآیند سورت پسته و مغز پسته، حتی یک درصد افزایش دقت، می‌تواند سود اقتصادی قابل‌توجهی برای تولیدکننده ایجاد کند. سامانه‌های مبتنی بر هوش مصنوعی، قادرند نه‌تنها پوسته‌های باز و بسته را از هم تفکیک کنند، بلکه لکه‌های قارچی، سوختگی، و مغز‌های آفت‌زده را نیز شناسایی کنند؛ مواردی که از دید دوربین‌های رنگی معمولی پنهان می‌ماند.

صنعت قهوه یکی دیگر از کاربرد‌های سامانه سورت هوشمند در صنایع

مدیر عامل این شرکت دانش‌بنیان فعال در حوزه هوش مصنوعی، در ادامه درباره کاربرد‌های دیگر سامانه سورت هوشمند آی‌سورتر توضیح داد که در صنعت قهوه نیز فناوری مشابهی به کار گرفته شده است. دانه‌های قهوه برشته‌شده، بسته به نوع رست و منبع برداشت، رنگ و بافت متفاوتی دارند و تشخیص دقیق دانه‌های ناقص یا بیش‌ازحد سوخته برای حفظ طعم و عطر نهایی ضروری است. در اینجا نیز شبکه‌های عصبی آموزش‌دیده می‌توانند با تحلیل طیف رنگ و ویژگی‌های سطحی هر دانه، کیفیت را در لحظه کنترل کنند.

فرحناک با بیان این‌که یکی از جنبه‌های مهم توسعه این فناوری، افزایش تطبیق‌پذیری نرم‌افزاری است، ادامه داد: در نسل‌های جدید سامانه‌های سورت هوش مصنوعی، بخش نرم‌افزاری و سخت‌افزاری از هم جدا شده‌اند. به این معنا که هوش مصنوعی به‌صورت یک ماژول مستقل عمل می‌کند و می‌تواند حتی بر روی دستگاه‌های قدیمی‌تر نصب شود. این رویکرد، زمینه‌ی ارتقای دستگاه‌های سورت سنتی را بدون نیاز به تعویض کامل تجهیزات فراهم کرده است.

وی با بیان این‌که این مسیر توسعه تنها محدود به صنایع غذایی نیست، افزود: در سال‌های اخیر، پژوهش‌هایی در زمینه به‌کارگیری سامانه‌های مشابه در فرآوری مواد معدنی آغاز شده است. در معادن، جداسازی سنگ‌های با خلوص بالا از مواد باطله، تأثیر مستقیمی بر هزینه و بهره‌وری دارد. استفاده از بینایی ماشین و یادگیری عمیق می‌تواند تشخیص ساختار‌های ریز در بافت سنگ‌ها را ممکن سازد؛ امری که با چشم انسان یا روش‌های کلاسیک طیف‌سنجی به‌سختی انجام می‌شود.

هدف نهایی دستگاه‌های سورت هوشمند به‌کارگیری مستقیم در خطوط استخراج و فرآوری معادن

مدیر عامل این شرکت دانش‌بنیان فعال در حوزه هوش مصنوعی، گفت: بر اساس بررسی‌های اولیه، مدل‌های هوش مصنوعی می‌توانند با تحلیل هم‌زمان داده‌های تصویری و طیفی، تمایز بین ترکیبات معدنی را با دقت بالایی انجام دهند. در آینده، چنین سامانه‌هایی می‌توانند جایگزین بسیاری از روش‌های پرهزینه و زمان‌بر نمونه‌برداری دستی در معادن شوند. هدف نهایی آن است که دستگاه‌های سورت هوشمند بتوانند مستقیماً در خطوط استخراج و فرآوری نصب شوند و با تصمیم‌گیری لحظه‌ای، بهره‌وری و ایمنی را افزایش دهند.

فرحناک با بیان اینکه پیشرفت در این حوزه، نشان می‌دهد که فناوری هوش مصنوعی دیگر صرفاً ابزاری برای تحلیل داده یا تشخیص تصویر نیست، بلکه به موتور تصمیم‌گیری در فرآیند‌های صنعتی تبدیل شده است، خاطرنشان کرد: این تحول، نیازمند همکاری میان مهندسان سخت‌افزار، متخصصان داده، و کارشناسان صنایع مختلف است تا بتوانند مدل‌های دقیق، قابل اعتماد و منطبق با شرایط واقعی تولید کنند.

وی، ادامه داد: دستگاه‌های نسل جدید، علاوه بر دقت بالاتر، از قابلیت خودبه‌روزرسانی نرم‌افزاری برخوردارند. به این معنا که مدل هوش مصنوعی می‌تواند از داده‌های جدید یاد بگیرد و بدون نیاز به تغییر فیزیکی، کارایی خود را بهبود دهد. چنین ویژگی‌ای سبب می‌شود عملکرد سیستم در طول زمان ارتقا یابد و نیاز به تنظیمات دستی کاهش یابد.

مدیر عامل این شرکت دانش‌بنیان فعال در حوزه هوش مصنوعی با بیان اینکه در نهایت، توسعه سامانه‌های سورت هوش مصنوعی، گامی مؤثر در جهت صنعتی‌سازی دانش یادگیری عمیق در ایران به شمار می‌آید، یادآور شد: ترکیب تجربه میدانی در کشاورزی و دانش هوش مصنوعی، امکان خلق محصولاتی را فراهم کرده است که در سطح بین‌المللی نیز قابل رقابت هستند.

فرحناک گفت: محصولات آی‌سورتر با رویکردی فناورانه و تکیه بر دانش مهندسان ایرانی، نمونه‌ای از این حرکت رو به جلو محسوب می‌شود که می‌تواند زمینه‌ساز تحولی در صنایع کشاورزی، غذایی و معدنی کشور باشد.