Forscher der Oregon State University und der Florida State University haben ein Smartphone-basiertes System mit künstlicher Intelligenz (KI) entwickelt, das die Reife und innere Qualität von Avocados vorhersagen kann.
„Avocados gehören weltweit zu den Früchten, die aufgrund von Überreife am meisten verschwendet werden", sagte Luyao Ma, Assistenzprofessorin an der Oregon State University. „Unser Ziel war es, ein Tool zu entwickeln, das Verbrauchern und Einzelhändlern hilft, intelligentere Entscheidungen darüber zu treffen, wann sie Avocados verwenden oder verkaufen sollten."
© Oregon State University
Das Forschungsteam trainierte KI-Modelle mit mehr als 1.400 iPhone-Bildern von Hass-Avocados. Das System sagte die Festigkeit, ein Indikator für die Reife, mit einer Genauigkeit von 92 % und die innere Qualität (frisch oder verdorben) mit einer Genauigkeit von über 84 % voraus. Die Forscher gehen davon aus, dass sich die Leistung des Systems verbessern könnte, wenn dem Datensatz weitere Bilder hinzugefügt werden.
Das Team stellte fest, dass derselbe Ansatz auch zur Bewertung der Qualität anderer verderblicher Lebensmittel angepasst werden könnte. Zukünftige Entwicklungen könnten es Verbrauchern ermöglichen, das System zu nutzen, um den besten Zeitpunkt für den Verzehr einer Avocado zu bestimmen und so die Lebensmittelverschwendung in Haushalten zu reduzieren.
© Oregon State University
Potenzielle Anwendungsmöglichkeiten gibt es auch in der Lieferkette. In Verarbeitungs- oder Vertriebsanlagen könnte die Technologie dabei helfen, Obst nach Reifegrad zu sortieren und zu klassifizieren. So könnten beispielsweise Chargen, die als reifer erkannt werden, an nahegelegene Einzelhändler geliefert werden, während weniger reifes Obst an weiter entfernte Märkte versandt werden könnte. Einzelhändler könnten ähnliche Bewertungen nutzen, um den Lagerumschlag zu steuern und Verderb zu reduzieren.
Die Studie baut auf früheren Forschungen auf, bei denen Bildgebung und maschinelles Lernen zur Bewertung der Lebensmittelqualität eingesetzt wurden. Frühere Studien stützten sich auf manuell ausgewählte Merkmale und herkömmliche Algorithmen, was die Vorhersagegenauigkeit einschränkte. „Um diese Einschränkungen zu überwinden, haben wir Deep-Learning-Ansätze verwendet, die automatisch ein breiteres Spektrum an Informationen erfassen, darunter Form, Textur und räumliche Muster, um die Genauigkeit und Robustheit der Vorhersagen zur Avocadoqualität zu verbessern", sagte In-Hwan Lee, ein Doktorand, der an dem Projekt mitarbeitet.
© Oregon State University
Die Forscher sagten, dass die Studie auch zu umfassenderen Bemühungen zur Reduzierung von Lebensmittelabfällen beiträgt. Rund 30 % der weltweiten Lebensmittelproduktion gehen jährlich verloren oder werden verschwendet. In den USA haben das Landwirtschaftsministerium und die Umweltschutzbehörde das nationale Ziel festgelegt, Lebensmittelabfälle bis 2030 um 50 % zu reduzieren.
„Avocados sind nur der Anfang", sagte Ma. „Diese Technologie könnte breiter angewendet werden, um Verbrauchern, Einzelhändlern und Händlern zu helfen, bessere Entscheidungen zu treffen und Abfall zu reduzieren."
Die Ergebnisse wurden in Current Research in Food Science veröffentlicht. Mitautor Zhengao Lee von der Florida State University arbeitete mit Ma und Lee vom Fachbereich Lebensmittelwissenschaft und -technologie der Oregon State University zusammen. Ma ist auch dem Fachbereich Biologische und Ökologische Technik angegliedert.
Weitere Informationen:
Sean Nealon
Oregon State University
Tel: +1 541 737 0787
[email protected]
www.news.oregonstate.edu
