«Лента» заменит агронома искусственным интеллектом на приемке овощей

От джойстика до нейросети: как «Группа Лента» строит цифрового сомелье для овощей и фруктов.

Внедрение «Группой Лента» дистанционной приемки овощей и фруктов с элементами машинного зрения и гиперспектрального анализа — это прорыв в логистике. Компания создает прототип будущего, в котором каждый плод проходит независимую многоуровневую диагностику, где качество становится не результатом выборочного контроля человека, но архитектурным свойством всей системы.

Этап 1. Дистанционный эксперт: человеческий глаз, усиленный технологиями

Стартовым шагом стало создание в 2021 году удаленных центров принятия решений. Это была «гибридная» модель, соединившая человеческую экспертизу с цифровыми инструментами:

• Видео-телемостринг качества. Агрономы и товароведы, вооруженные профессиональными гарнитурами, джойстиками и сверхвысоким разрешением камер, получили возможность инспектировать продукцию на распределительных центрах, не покидая офиса. Это решило ключевую проблему масштабируемости экспертизы, позволив одному специалисту отслеживать более 6 тонн продукции в месяц.

• Преимущества модели: Снижение логистических издержек для экспертов, централизация и стандартизация процесса оценки, создание цифровой базы видеодоказательств. Однако на этом этапе оставалась фундаментальная зависимость от человеческого фактора, усталости и субъективности.

Этап 2. Цифровой инспектор: машинное зрение как коллега-нейросеть

Следующим логичным шагом стала автоматизация самой экспертизы. Тестируемые технологии машинного зрения, сопряженные с нейросетями, — это попытка формализовать и алгоритмизировать работу специалиста.

• Нейросеть-наставник. Система, достигшая более 90% совпадения с оценкой инспекторов, фактически обучается у них, перенимая паттерны принятия решений. Ее ключевая ценность — тиражирование экспертного знания и освобождение людей от рутинной сортировки для решения более сложных, нестандартных задач.

• Эффект масштаба. Главный результат — возможность многократно увеличить объем контролируемой продукции без пропорционального роста штата. Качество проверки перестает быть «точечным» и становится сплошным, что радикально снижает риски попадания брака на полки.

Этап 3. Гиперспектральный диагност: химический «отпечаток пальца» плода

Наиболее футуристичный и наукоемкий этап — тестирование гиперспектральных камер. Это переход от оценки внешних дефектов к прогнозированию внутренних свойств:

• От пикселя к химическому составу. Камера анализирует не просто цвет или форму, а уникальный спектральный профиль, отражающий содержание воды, сахаров, пигментов, плотность тканей. Это позволяет определять степень зрелости, свежесть и потенциальный срок хранения на уровне, недоступном человеческому глазу.

• Персонализированные стандарты. Необходимость индивидуальной настройки под каждый сорт цитрусовых демонстрирует, что компания движется к созданию цифровых паспортов качества для каждого типа продукции. В перспективе это позволит точно прогнозировать поведение товара в цепочке и минимизировать списания.

Инициативы «Ленты» являются частью более масштабной трансформации, о которой говорит директор по качеству Юлия Батенина:

• Сквозная прослеживаемость. Интеграция данных о качестве с мониторингом температуры на всех этапах и анализом жалоб покупателей создает единую петлю обратной связи. Это позволяет не просто отбраковывать брак, а выявлять и устранять слабые звенья во всей цепочке — от поля поставщика до покупательской корзины.

• Превентивный контроль. Видеоналитика на участках поставщиков переносит контроль на ранние, превентивные стадии, влияя на качество в его источнике.

• Новая бизнес-модель. В долгосрочной перспективе собранные массивы данных о качестве становятся ценнейшим активом. Они позволяют роботизировать закупки, автоматически ранжируя поставщиков по объективным цифровым KPI, и создавать персонализированные предложения для покупателей, основанные на точных прогнозах качества и свежести.

«Лента» трансформирует понятие «качество свежей продукции» из субъективной категории, зависящей от глаза конкретного приемщика, в объективную, измеримую и управляемую переменную. Компания строит многослойную систему цифрового контроля, где каждый уровень — удаленная экспертная оценка, нейросеть-инспектор, гиперспектральный анализ — дополняет другой. Цель — не просто отбирать лучшие фрукты, а создавать самообучающуюся экосистему, в которой высокое качество гарантируется не усилиями людей, а архитектурой данных и алгоритмов. Это путь от ретейлера к технологическому оператору продовольственных цепочек.