Ο Md Toukir Ahmed, ένας διδακτορικός φοιτητής στη γεωργία και τη βιολογική μηχανική στο Πανεπιστήμιο του Illinois Urbana-Champaign, τραβάει εικόνες μιας γλυκοπατάτας με κάμερα υπερφασματικής απεικόνισης. (Πανεπιστήμιο του Ιλινόις ACES)
URBANA, Ill. — Οι γλυκοπατάτες είναι μια δημοφιλής επιλογή τροφίμων για τους καταναλωτές σε όλο τον κόσμο λόγω της νόστιμης γεύσης και της θρεπτικής τους ποιότητας. Το κόκκινο λαχανικό με κονδυλώδη ρίζα μπορεί να μεταποιηθεί σε τσιπς και πατάτες και έχει μια σειρά βιομηχανικών εφαρμογών, συμπεριλαμβανομένων των κλωστοϋφαντουργικών προϊόντων, των βιοδιασπώμενων πολυμερών και των βιοκαυσίμων.
Η αξιολόγηση της ποιότητας της γλυκοπατάτας είναι ζωτικής σημασίας για τους παραγωγούς και τους μεταποιητές, επειδή τα χαρακτηριστικά επηρεάζουν την υφή και τη γεύση, τις προτιμήσεις των καταναλωτών και τη βιωσιμότητα για διαφορετικούς σκοπούς. ΕΝΑ νέα μελέτη από το University of Illinois Urbana-Champaign διερευνά τη χρήση υπερφασματικής απεικόνισης και εξηγήσιμης τεχνητής νοημοσύνης (AI) για την αξιολόγηση των χαρακτηριστικών της γλυκοπατάτας.
«Παραδοσιακά, η αξιολόγηση της ποιότητας γίνεται με τη χρήση εργαστηριακών αναλυτικών μεθόδων. Χρειάζεστε διαφορετικά όργανα για να μετρήσετε διαφορετικά χαρακτηριστικά στο εργαστήριο και πρέπει να περιμένετε τα αποτελέσματα. Με την υπερφασματική απεικόνιση, μπορείτε να μετρήσετε πολλές παραμέτρους ταυτόχρονα. Μπορείτε να αξιολογήσετε κάθε πατάτα σε μια παρτίδα, όχι μόνο μερικά δείγματα. Η φασματική απεικόνιση είναι μη επεμβατική, γρήγορη, ακριβής και οικονομικά αποδοτική», είπε Μοχάμεντ Καμρουζαμάνεπίκουρος καθηγητής στο Τμήμα Γεωπονικών και Βιολογικών Μηχανικών (ABE), μέρος του Κολλέγιο Γεωργικών, Καταναλωτικών και Περιβαλλοντικών Επιστημών(ACES) και Το Grainger College of Engineering στο Ιλινόις.
Η μελέτη αποτελεί μέρος μιας πολυκρατικής συνεργασίας που χρηματοδοτείται από το Υπουργείο Γεωργίας των ΗΠΑ που περιλαμβάνει ερευνητές από το Μισισιπή, τη Βόρεια Καρολίνα, το Μίσιγκαν, τη Λουιζιάνα και το Ιλινόις. Κάθε πανεπιστήμιο εξετάζει διαφορετικές πτυχές του έργου. Η ομάδα του Kamruzzaman εστιάζει στην αξιολόγηση τριών χημικών ιδιοτήτων — ξηρής ύλης, σκληρότητας και περιεκτικότητας σε διαλυτά σάκχαρα (βαθμός brix) — που επηρεάζουν την τιμή της αγοράς και το κατά πόσο μια πατάτα είναι κατάλληλη για τον καταναλωτή ή για μεταποίηση.
Οι ερευνητές χρησιμοποιούν μια ορατή εγγύς υπέρυθρη υπερφασματική κάμερα για να τραβήξουν εικόνες γλυκοπατάτας από δύο διαφορετικές γωνίες. Η ανάλυση των εικόνων παράγει φασματικά δεδομένα, τα οποία χρησιμοποιούνται για τον προσδιορισμό βασικών μηκών κύματος και την ανάπτυξη έγχρωμων χαρτών που εμφανίζουν την κατανομή των επιθυμητών χαρακτηριστικών.
Η υπερφασματική απεικόνιση έχει γίνει ένα σημαντικό εργαλείο στην έρευνα για τη γεωργία και την επεξεργασία τροφίμων. Ωστόσο, δημιουργεί έναν τεράστιο όγκο δεδομένων που υποβάλλονται σε επεξεργασία με μηχανική εκμάθηση. Είναι πολύπλοκο και συνήθως λειτουργεί σαν ένα μαύρο κουτί, όπου οι χρήστες δεν γνωρίζουν τι συμβαίνει.
«Συνδυάζουμε την υπερφασματική απεικόνιση με εξηγήσιμη τεχνητή νοημοσύνη, επιτρέποντάς μας να κατανοήσουμε τις διαδικασίες πίσω από τα αποτελέσματα. Είναι ένας τρόπος να οπτικοποιήσετε πώς λειτουργούν οι αλγόριθμοι μηχανικής μάθησης, πώς επεξεργάζονται τα δεδομένα εισόδου και πώς συνδέονται οι λειτουργίες για την πρόβλεψη της εξόδου», είπε. Md Toukir Ahmedδιδακτορικός φοιτητής στο ABE και κύριος συγγραφέας της εργασίας.
«Πιστεύουμε ότι πρόκειται για μια νέα εφαρμογή αυτής της μεθόδου για την αξιολόγηση της γλυκοπατάτας. Αυτή η πρωτοποριακή εργασία έχει τη δυνατότητα να ανοίξει το δρόμο για χρήση σε ένα ευρύ φάσμα άλλων γεωργικών και βιολογικών ερευνητικών πεδίων επίσης».
Τα αποτελέσματα μπορούν να βοηθήσουν τους επαγγελματίες του κλάδου και τους ερευνητές να κατανοήσουν τη σημασία των διαφορετικών χαρακτηριστικών στην πρόβλεψη χαρακτηριστικών ποιότητας, γεγονός που οδηγεί σε πιο ενημερωμένη λήψη αποφάσεων και εξασφαλίζει προμήθειες προϊόντων υψηλότερης ποιότητας στους καταναλωτές.
Ο Kamruzzaman είπε ότι ένας στόχος του πολυπανεπιστημιακού έργου είναι να αναπτύξει ένα εργαλείο που μπορούν να χρησιμοποιήσουν οι επεξεργαστές για να σαρώσουν γρήγορα και εύκολα παρτίδες γλυκοπατάτας για να καθορίσουν χαρακτηριστικά και χαρακτηριστικά. Τελικά, οι ερευνητές θα μπορούσαν να δημιουργήσουν μια εφαρμογή για κινητά που θα μπορούν να χρησιμοποιήσουν οι καταναλωτές στο παντοπωλείο για να σαρώσουν την ποιότητα της γλυκοπατάτας στο σημείο αγοράς.
Το χαρτί“Προώθηση της αξιολόγησης της ποιότητας γλυκοπατάτας με υπερφασματική απεικόνιση και εξηγήσιμη τεχνητή νοημοσύνη”, δημοσιεύεται στο Computers and Electronics in Agriculture [doi.org/10.1016/j.compag.2024.108855].
Αυτή η εργασία χρηματοδοτήθηκε από το Υπουργείο Γεωργίας των ΗΠΑ Agricultural Marketing Service μέσω της επιχορήγησης Specialty Crop Multistate Program AM21SCMPMS1010. Τα περιεχόμενα αποτελούν αποκλειστικά ευθύνη των συγγραφέων και δεν αντιπροσωπεύουν απαραίτητα τις επίσημες απόψεις του USDA.
Σημειώσεις του συντάκτη:
Το χαρτί“Προώθηση της αξιολόγησης της ποιότητας γλυκοπατάτας με υπερφασματική απεικόνιση και εξηγήσιμη τεχνητή νοημοσύνη”, δημοσιεύεται στο Computers and Electronics in Agriculture [doi.org/10.1016/j.compag.2024.108855].
Το έργο χρηματοδοτήθηκε από το Υπουργείο Γεωργίας των Η.Π.Α. μέσω της επιχορήγησης του προγράμματος Specialty Crop Multistate AM21SCMPMS1010. Τα περιεχόμενα αποτελούν αποκλειστικά ευθύνη των συγγραφέων και δεν αντιπροσωπεύουν απαραίτητα τις επίσημες απόψεις του USDA.
— Πανεπιστήμιο του Ιλινόις ACES