Quando si parla di qualità del cibo, l’intelligenza artificiale di solito non è la prima cosa che viene in mente. Ma integrando l’IA nel processo di produzione alimentare, le aziende possono massimizzare l’efficienza nel controllo di qualità. Secondo Mordor Intelligence, l’intelligenza artificiale nel mercato degli alimenti e delle bevande è stata valutata a 3,07 miliardi di dollari nel 2020 e si prevede che raggiungerà i 29,94 miliardi di dollari entro il 2026 con un CAGR (Compound Annual Grow Rate) di oltre il 45,77% durante il periodo di previsione del 2021-2026.
Uno dei pilastri della qualità del cibo è la sicurezza del cibo. Ridurre la presenza di agenti patogeni e rilevare le tossine nella produzione alimentare è una parte fondamentale dell’IA. La società giapponese Fujitsu ha sviluppato un modello basato sull’intelligenza artificiale che viene utilizzato per monitorare il lavaggio delle mani nelle cucine, ciò avviene in sei fasi seguendo le normative stabilite dal ministero della salute giapponese. Il modello di Fujitsu si basa sulle capacità di analisi comportamentale esistenti, che possono già riconoscere una varietà di movimenti umani sottili e complessi utilizzando tecniche di deep learning senza fare affidamento su grandi quantità di dati di addestramento. La tecnologia cattura immagini di movimenti complessi di lavaggio delle mani come una combinazione tra la forma della mano e i movimenti ripetitivi di sfregamento, utilizzando due motori di deep learning: riconoscimento della forma della mano e riconoscimento del movimento. Con un set di dati video per il lavaggio delle mani che comprende circa 2.000 variazioni di persone, posizioni della fotocamera e tipi di sapone, Fujitsu ha affermato che la sua tecnologia è stata in grado di rilevare il processo di lavaggio delle mani in sei fasi con un tasso di precisione di oltre il 95%. L’utilizzo dell’IA in questa parte ridurrà sicuramente la necessità di controlli visivi in cui è necessario aumentare la sicurezza alimentare, specialmente nel processo COVID-19.
Un altro pilastro è la parte di elaborazione. In questa parte, l’intelligenza artificiale può massimizzare l’output e ridurre gli sprechi sostituendo le persone in prima linea il cui unico compito è quello di distinguere e identificare elementi non adatti alla lavorazione. I nasi elettrici possono essere utilizzati nella lavorazione di parti e come sostituti dei nasi umani per distinguere gli odori e gli aromi dei vari alimenti utilizzando sensori AI. La ricerca sull’uso dei nasi elettronici per rilevare la qualità dell’olio d’oliva è stata effettuata da Hindawi. La ricerca si è svolta a Balikesir in Turchia, che si trova nella regione mediterranea con la maggior parte degli ulivi (805 milioni) nel mondo. In questa ricerca, sono state costituite 12 diverse classi di olio d’oliva sia per i set di addestramento che per i set di prova senza mescolarli. E-nose sente l’odore dell’aroma di ogni campione di olio d’oliva. Consiste di 32 sensori di odore. Quindi, questi dati sull’odore vengono normalizzati utilizzando il metodo di trasformazione Z dopo la digitalizzazione. Infine, i tipi di oli d’oliva sono caratterizzati da un algoritmo di apprendimento automatico che utilizza 32 dati normalizzati di input. Questo processo fornisce automaticamente un rapido controllo di qualità per gli oli d’oliva. Uno dei maggiori produttori di questa regione è Ozgun Zeytincilik nella zona di Balikesir. “L’adulterazione con oli più economici o di qualità inferiore ha un enorme impatto sulla qualità. Le adulterazioni più frequenti negli oli d’oliva possono essere osservate con olio di girasole, olio di mais, olio di cocco e olio di nocciola. Quindi, l’utilizzo di e-nose in questa parte di elaborazione è un punto di svolta in termini di controlli di qualità “, ha affermato Halil Sucu, fondatore di Ozgun Zeytincilik.
L’altro pilastro della qualità del cibo è la filiera. La filiera ha un effetto diretto sulla qualità del cibo. Soprattutto in questa epoca, è importante consegnare gli alimenti in tempo proteggendone la qualità. UberEats, una società di consegna di cibo nata da quattro anni da Uber, una società di servizi di trasporto passeggeri, copre oltre il 50% della popolazione degli Stati Uniti, facilitando le consegne per circa 100.000 ristoranti. E a livello globale, opera in 300 città e altre 300 località in tutto il mondo. La società sta incorporando l’intelligenza artificiale per fornire consigli per ristoranti e voci di menu, ottimizzare le consegne ed esaminare l’uso dei droni. L’azienda utilizza Michelangelo, una piattaforma di apprendimento automatico, per varie attività. Hanno diversi modelli in esecuzione su Michelangelo, che coprono le previsioni sui tempi di consegna dei pasti, le classifiche di ricerca, il completamento automatico della ricerca e le classifiche dei ristoranti. I modelli dei tempi di consegna prevedono quanto tempo impiegherà un pasto per essere preparato e consegnato prima che l’ordine venga emesso, e poi calcolato di nuovo in ogni fase del processo di consegna. “Prevedere il tempo stimato di consegna del pasto (ETD) non è semplice. Quando un cliente UberEATS effettua un ordine, viene inviato al ristorante per l’elaborazione. Il ristorante deve quindi riconoscere l’ordine e preparare il pasto, che richiederà tempo a seconda della complessità dell’ordine e di quanto sia occupato il ristorante. Quando il pasto sta per essere pronto, un corriere Uber viene inviato a ritirare il pasto. L’obiettivo è prevedere la durata totale di questo complesso processo in più fasi, nonché ricalcolare queste previsioni sui tempi di consegna in ogni fase del processo “, affermano da Uber.
L’emozione comune associata all’incorporazione dell’IA in qualsiasi campo potrebbe essere la paura, derivante dalla preoccupazione per la perdita e lo spostamento di posti di lavoro e carriere. Ma non c’è dubbio che l’intelligenza artificiale abbia guadagnato importanza negli ultimi anni, con molte aziende che investono attivamente nell’esplorazione del potenziale della tecnologia in ogni settore. In questo caso, possiamo affermare che quando l’IA viene adottata, aumenta sicuramente la qualità del cibo in termini di trasformazione degli alimenti, catena di approvvigionamento e sicurezza.
Articolo di Ilker Koksal, Forbes
Traduzione di Gabriel De Gaetano
