Elektronik uygulama ile kahve kavurma ve kalite testi

Uygulama, kahve çekirdeklerinin rengine göre kavrulma derecesini belirliyor (Araştırma Ekibi)

Kahvenin kalitesi ve aroması, kahve bitkilerinin yetiştirildiği koşulların yanı sıra kahve çekirdeklerinin depolanma, işlenme ve kavrulma süreçleri de dahil olmak üzere çeşitli faktörlere bağlıdır.
Kahve çekirdeklerinin kavurma derecesini belirlemek insanlar için her zaman kolay değildir. Çoğu zaman eğitim veya özel deneyim gerektirir. Bu sorunu çözmek için Tayland'daki Kral Mongkut Teknoloji Üniversitesi'nden bir araştırma ekibi, görüntüleri analiz ederek ne kadar kahve çekirdeğinin kavrulduğunu belirlemeye yardımcı olabilecek bir akıllı telefon uygulaması geliştirdi.
Dün Archive adlı web sayfasında yayınlanan makalede tanıtılan uygulamanın çalışma prensibi derin öğrenme tekniklerine dayanıyor. Araştırmacılar makalelerinde şu bilgilere yer verdi: "Her kahve türünün aroması, kahve çekirdeklerinin kavrulma derecesine bağlı olduğundan, kavurma derecesi ile ilgili kaliteyi korumak gerekir."
Araştırmacıların geliştirdiği derin öğrenme modeli, araştırmacıların kavrulmuş kahve çekirdeklerinin görüntülerini içeren bir veri seti üzerinde eğittiği bir "evrişimsel sinir ağına" dayanıyor.
Kahve çekirdekleri kavrulmamış yeşil kahve çekirdekleri, hafif kavrulmuş, orta kavrulmuş ve koyu kavrulmuş Brezilya kahve çekirdekleri olmak üzere dört farklı tipteydi ve veri seti her grup için ortalama 1200 olmak üzere toplam 4800 görüntü içeriyordu.
Araştırmacıların derin öğrenme yöntemi, özellikle kahve çekirdeklerinin rengini analiz ederek çalışıyor. Araştırmacılar evrişimli sinir ağı tabanlı yaklaşımlarını eğittikten sonra, bunu bir Android uygulamasına uyguladılar. Bu, kullanıcıların yalnızca bir fotoğraf göndererek kahve çekirdeklerinin ne kadar kavrulmuş olduğunu hızlı bir şekilde belirlemelerine olanak tanıyor.
İlk denemelerde araştırmacıların derin öğrenme yaklaşımı umut verici sonuçlar verdi. Ancak uygulamal kahve çekirdeklerinin kökenini hesaba katmıyor. Bu da görüntülerin renklerini etkileyebilir ve bazen hatalara yol açabilir.
Araştırmacılar çalışmalarının sonraki aşamalarında teknolojilerinin performansını daha da iyileştirmeyi umuyorlar. Ancak bunu yapmak için daha çeşitli bir veri setine ihtiyaçları olacak.
Araştırmacılar “Bu projeyi daha da geliştirmek için farklı bölgelerden gelen kahve çekirdeklerinden elde edilen verilere erişmeliyiz. Bu doğru ve verimli tahminlerde yardımcı olacaktır” diyor.
Gelecekte, araştırmacıların algoritması mükemmelleştirilir ve daha çeşitli bir veri seti üzerinde eğitilirse, kahve çekirdeklerinin kalitesini değerlendirmek için baristalar tarafından kullanılabilir.