Τα τελευταία χρόνια, οι νέες και αναδυόμενες ψηφιακές τεχνολογίες που εφαρμόζονται στην επιστήμη των τροφίμων κερδίζουν την προσοχή και το αυξημένο ενδιαφέρον των ερευνητών και των βιομηχανιών τροφίμων/ποτών. Ειδικότερα, οι ψηφιακές τεχνολογίες που μπορούν να χρησιμοποιηθούν σε όλη την αλυσίδα αξίας των τροφίμων είναι ακριβείς, εύχρηστες, προσιτές και φιλικές προς τον χρήστη.
Ένα νέο Ειδικό Τεύχος (SI) του foods, από την mdpi, είναι αφιερωμένο στη νέα, βασισμένη σε αισθητήρες τεχνολογία και τις στρατηγικές μοντελοποίησης μηχανικής/βαθιάς μάθησης για την εφαρμογή τεχνητής νοημοσύνης (AI) στην παραγωγή τροφίμων και ποτών και για την αξιολόγηση των καταναλωτών.
Αυτό το νέο τεύχος, δημοσίευσε εργασίες από ερευνητές στην Αυστραλία, τη Νέα Ζηλανδία, τις Ηνωμένες Πολιτείες, την Ισπανία και το Μεξικό, συμπεριλαμβανομένων τροφίμων και ποτών όπως σταφύλια και κρασί, σοκολάτα, μέλι, ουίσκι, πολτό αβοκάντο, και μια ποικιλία άλλων προϊόντων διατροφής.
Έχει χρησιμοποιηθεί ανάλυση μαζικών δεδομένων – όπως οι μετεωρολογικές πληροφορίες και οι πληροφορίες διαχείρισης αμπελώνων με τη χρήση αλγορίθμων μηχανικής μάθησης – για τη στόχευση της πρόβλεψης των προφίλ αρωμάτων για την ποικιλία Pinot Noir στην Αυστραλία. Το άρωμα του κρασιού και η χημειομετρική πρόβλεψη προφίλ με τη χρήση άμεσα διαθέσιμων βοηθητικών πληροφοριών θα μπορούσαν να προσφέρουν στις βιομηχανίες αμπελοκαλλιέργειας και οινοποίησης το πλεονέκτημα να χαρακτηρίζουν τις αμπελουργικές περιοχές και συγκεκριμένα είδη παραγωγής οίνου μέσω κάθετων τρύγων. Η ακρίβεια των μοντέλων παλινδρόμησης που παρουσιάζονται, μπορεί να χρησιμοποιηθεί για τη βελτίωση ή τη διατήρηση των χαρακτηριστικών και του στυλ ποιότητας κρασιού για άλλες αμπελουργικές περιοχές χρησιμοποιώντας ανάλυση μεγάλων δεδομένων.
Από την άλλη, η ποιοτική ανάλυση της σοκολάτας βασίστηκε σε ψηφιακή ανάλυση με τη χρήση μηχανικής εκμάθησης χημικών δακτυλικών αποτυπωμάτων με φασματοσκοπία εγγύς υπέρυθρου ακτινοβολίας (NIR). Στη συγκεκριμένη έρευνα χρησιμοποιήθηκε μια μη καταστρεπτική ψηφιακή μέθοδος για την αυτόματη αξιολόγηση των φυσικοχημικών και οργανοληπτικών δεδομένων για την πιθανή επίτευξη ψηφιακών διδύμων για την αξιολόγηση των χαρακτηριστικών ποιότητας της σοκολάτας με μεγαλύτερη συνέπεια, αντικειμενικότητα και οικονομία για τη βιομηχανία. Τα μοντέλα μηχανικής μάθησης παλινδρόμησης που αναπτύχθηκαν πέτυχαν επίσης υψηλή ακρίβεια (R > 0,93).
Η ταξινόμηση των ειδών μελιού σε βοτανικές κατηγορίες χρησιμοποιώντας την τυπική καταμέτρηση των κόκκων γύρης, μπορεί να είναι ένα τρομακτικό έργο. Έρευνα από την Ισπανία πρότεινε τη χρήση συγκριτικής ανάλυσης των επιδόσεων ενός αλγορίθμου μηχανικής μάθησης για την επιτάχυνση αυτής της ταξινόμησης. Ελέγχθηκαν έντεκα διαφορετικοί αλγόριθμοι ML, με την penalized discriminant analysis (PDA) να είναι η καλύτερη για τη συνολική ακρίβεια.
Η οργανοληπτική ανάλυση είναι ένας τομέας έρευνας που αυξάνει τη συμπερίληψη ψηφιακών τεχνολογιών για την αξιολόγηση των υποσυνείδητων απαντήσεων των καταναλωτών, οι οποίες μπορούν να προσφέρουν καλύτερη κατανόηση της συμπάθειας και της εκτίμησης σε διαφορετικούς πολιτισμούς. Μια μελέτη από τις ΗΠΑ χρησιμοποίησε αλγορίθμους βαθιάς μάθησης για τις οργανοληπτικές περιγραφές του λεξικού για το ουίσκι, που σχετίζεται με τον χαρακτηρισμό της γεύσης. Αυτή η έρευνα μπορεί να διευκολύνει τα λεξικά για άλλα τρόφιμα και ποτά που μπορούν επίσης να στοχεύσουν διαφορετικά πολιτιστικά υπόβαθρα και αντιληπτή ορολογία που μπορεί να ισοδυναμεί με μια πιο οικεία για συγκεκριμένους καταναλωτές.
Διερευνήθηκε επίσης από μια ερευνητική ομάδα στο Μεξικό, η σημασία των οργανοληπτικών οδηγών για την αξιολόγηση τροφίμων, όπως ο πολτός αβοκάντο διαφορετικών ποικιλιών, χρησιμοποιώντας στρατηγικές προγνωστικής μοντελοποίησης. Οι τεχνικές που εφαρμόστηκαν μπορεί να είναι χρήσιμες για την επιλογή φρούτων αβοκάντο με στόχο την ανάπτυξη συγκεκριμένων προϊόντων με μέγιστη αποδοχή από τους καταναλωτές. Τέλος, μια ερευνητική ομάδα από το Μεξικό μελέτησε την ψηφιακή αξιολόγηση των φυσιολογικών αντιδράσεων των καταναλωτών στην αισθητηριακή ανάλυση διαφορετικών προϊόντων, συμπεριλαμβανομένης της συναισθηματικής αναγνώρισης του προσώπου και του καρδιακού ρυθμού. Η ενσωμάτωση διαφορετικών αισθητήρων και αναλύσεων με τη χρήση αλγορίθμων μηχανικής μάθησης στόχευε στην αποδοχή των καταναλωτών με την καλύτερη πρόβλεψη, σε σύγκριση με τη χρήση μεμονωμένων τεχνολογιών αισθητήρων.
Για να διαβάσετε ολόκληρο το ειδικό τεύχος πάνω στο θέμα, πατήστε εδώ
Ακολουθήστε το Cibum 
