|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "3764e089adf2d5801272bc0895f8498b",
|
|
|
"translation_date": "2025-08-28T12:03:19+00:00",
|
|
|
"source_file": "4-manufacturing/README.md",
|
|
|
"language_code": "sr"
|
|
|
}
|
|
|
-->
|
|
|
# Производња и прерада - коришћење IoT-а за унапређење прераде хране
|
|
|
|
|
|
Када храна стигне у централни хаб или фабрику за прераду, не шаље се увек директно у супермаркете. Често пролази кроз низ корака прераде, као што је сортирање по квалитету. Ово је некада био ручни процес - почињао би на пољу где би берачи брали само зреле плодове, а затим би у фабрици плодови ишли на покретну траку где би радници ручно уклањали оштећене или труле плодове. Пошто сам и сам лети током школе радио на брању и сортирању јагода, могу да потврдим да то није забаван посао.
|
|
|
|
|
|
Савременији системи ослањају се на IoT за сортирање. Неки од најранијих уређаја, попут сортирача компаније [Weco](https://wecotek.com), користе оптичке сензоре за детекцију квалитета производа, на пример одбацујући зелене парадајзе. Ови уређаји могу се користити у комбајнима на самом пољу или у фабрикама за прераду.
|
|
|
|
|
|
Са напретком у области Вештачке интелигенције (AI) и Машинског учења (ML), ови уређаји могу постати напреднији, користећи ML моделе обучене да разликују плодове од страних објеката као што су камење, земља или инсекти. Ови модели могу се такође обучити да детектују квалитет плодова, не само оштећене плодове већ и рано откривање болести или других проблема са усевима.
|
|
|
|
|
|
> 🎓 Термин *ML модел* односи се на резултат обуке софтвера за машинско учење на одређеном скупу података. На пример, можете обучити ML модел да разликује зреле од незрелих парадајза, а затим користити модел на новим сликама да проверите да ли је парадајз зрео или не.
|
|
|
|
|
|
У ових 4 лекције научићете како да обучите AI моделе засноване на сликама за детекцију квалитета плодова, како да их користите на IoT уређају и како да их покренете на самом уређају - односно на IoT уређају уместо у облаку.
|
|
|
|
|
|
> 💁 Ове лекције користе неке ресурсе у облаку. Ако не завршите све лекције у овом пројекту, обавезно [очистите свој пројекат](../clean-up.md).
|
|
|
|
|
|
## Теме
|
|
|
|
|
|
1. [Обучите детектор квалитета плодова](./lessons/1-train-fruit-detector/README.md)
|
|
|
1. [Проверите квалитет плодова са IoT уређаја](./lessons/2-check-fruit-from-device/README.md)
|
|
|
1. [Покрените свој детектор плодова на самом уређају](./lessons/3-run-fruit-detector-edge/README.md)
|
|
|
1. [Покрените детекцију квалитета плодова помоћу сензора](./lessons/4-trigger-fruit-detector/README.md)
|
|
|
|
|
|
## Захвалнице
|
|
|
|
|
|
Све лекције су написане са ♥️ од стране [Jen Fox](https://github.com/jenfoxbot) и [Jim Bennett](https://GitHub.com/JimBobBennett)
|
|
|
|
|
|
---
|
|
|
|
|
|
**Одрицање од одговорности**:
|
|
|
Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције [Co-op Translator](https://github.com/Azure/co-op-translator). Иако се трудимо да обезбедимо тачност, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати меродавним извором. За критичне информације препоручује се професионални превод од стране људи. Не преузимамо одговорност за било каква погрешна тумачења или неспоразуме који могу настати услед коришћења овог превода. |
