Τεχνητή νοημοσύνη στην υπηρεσία της ασφάλειας τροφίμων για τον εντοπισμό ξένων σωμάτων
Η παρουσία ξένων σωμάτων σε φρεσκοκομμένα λαχανικά, αποτελεί μείζονα ανησυχία για τη βιομηχανία τροφίμων τα τελευταία χρόνια, καθώς τέτοιου είδους προσμίξεις αποτελούν την κύρια αιτία παραπόνων από καταναλωτές, λιανοπωλητές και αρχές. Η επιμόλυνση με φυσικούς ρύπους ενέχει σοβαρούς κινδύνους για την υγεία, ιδιαίτερα για ευάλωτες ομάδες όπως βρέφη, ηλικιωμένους και ασθενείς, ενώ παράλληλα προκαλεί οικονομικές απώλειες και πλήττει τη φήμη και το εμπορικό σήμα των εταιρειών.
ΔΕΙΤΕ ΕΠΙΣΗΣ | Διαδικτυακό Media Training για τη διαχείριση κρίσεων: Η Ελένη Τσαγκά επιστρέφει στις 27 Μαρτίου για να σας θωρακίσει απέναντι στον Τύπο
Σύμφωνα με τον Οργανισμό Τροφίμων και Φαρμάκων των ΗΠΑ (FDA), επικίνδυνα θεωρούνται τα αντικείμενα με μέγεθος από 7 έως 25 χιλιοστά, ωστόσο ακόμη μικρότερα σώματα κάτω των 7 χιλιοστών μπορούν να αποβούν μοιραία αν δεν γίνουν αντιληπτά. Τα φρεσκοκομμένα λαχανικά είναι ιδιαίτερα επιρρεπή σε προσμίξεις όπως πλαστικά, έντομα, πέτρες, κομμάτια ξύλου, γυαλί και μέταλλα. Η ανάγκη για αυστηρά προληπτικά μέτρα σε όλη τη γραμμή επεξεργασίας είναι επιτακτική, καθώς τα παραδοσιακά συστήματα ελέγχου παρουσιάζουν περιορισμούς.
Οι κλασικές μέθοδοι επιθεώρησης από ανθρώπους είναι χρονοβόρες και δεν εγγυώνται ακρίβεια, ενώ οι ανιχνευτές μετάλλων και οι ακτινογραφίες X-ray δυσκολεύονται στον εντοπισμό μη μεταλλικών αντικειμένων, όπως το πλαστικό, το χαρτί ή τα έντομα. Στο πλαίσιο αυτό, έρευνα προτείνει τη χρήση του αλγορίθμου βαθιάς μάθησης YOLOv5 (You Only Look Once version 5) για την αυτόματη και ταχεία ανίχνευση ξένων σωμάτων.
Η τεχνολογία αυτή βασίζεται σε νευρωνικά δίκτυα που επιτρέπουν τον εντοπισμό αντικειμένων σε πραγματικό χρόνο απευθείας από τα εικονοστοιχεία της εικόνας. Στις δοκιμές που πραγματοποιήθηκαν με δείγματα λάχανου και πράσινου κρεμμυδιού, το μοντέλο YOLOv5s πέτυχε ακρίβεια ανίχνευσης 98,30% με χρόνο επεξεργασίας μόλις 2,6 χιλιοστά του δευτερολέπτου ανά εικόνα.
Το σύστημα αποδείχθηκε ικανό να εντοπίζει ξένα σώματα ακόμη και όταν αυτά είχαν χρωματική ομοιότητα με τα λαχανικά, όπως στην περίπτωση του πράσινου κρεμμυδιού που παρουσιάζει μεγάλες διακυμάνσεις στις αποχρώσεις του. Επιπλέον, η τεχνολογία επέτρεψε τον εντοπισμό πολύ μικρών αντικειμένων, μεγέθους 2 έως 3 χιλιοστών.
Παρά την υψηλή αποτελεσματικότητα, η έρευνα έδειξε ότι το σύστημα δυσκολεύεται όταν τα ξένα σώματα καλύπτονται εν μέρει από τα λαχανικά. Για την αντιμετώπιση αυτού του ζητήματος, προτείνεται η χρήση αυτόματων μονάδων τροφοδοσίας που μειώνουν την πιθανότητα επικάλυψης των δειγμάτων στη γραμμή παραγωγής. Η εφαρμογή τέτοιων συστημάτων ανίχνευσης προσφέρει μια μη καταστροφική τεχνική επιθεώρησης, ενισχύοντας την ασφάλεια των προϊόντων και την εμπιστοσύνη των καταναλωτών στη βιομηχανία επεξεργασμένων λαχανικών.
Πηγή: LWT – Food Science and Technology https://www.sciencedirect.com/science/article/pii/S0023643824012726
