Na nedavnoj konferenciji o sigurnosti i kvaliteti hrane u Opatiji jedna od zanimljivijih tema bila je ona o primjeni umjetne inteligencije i računalnog vida u procesu kontrole kvalitete hrane.

Aldin Ćebo, suosnivač i voditelj inženjeringa u Protostar Labs u svom je predavanju na vrlo jednostavan način objasnio da primjena umjetne inteligencije i računalnog vida u procesu kontrole kvalitete hrane, nije budućnosti, već se ona već primjenjuje u brojnim proizvodnim procesima, ne samo u industriji već i na poljoprivrednim površinama.

Pomoć u proizvodnji

– Umjetna inteligencija (AI) ima potencijal pružiti značajnu podršku modernoj poljoprivredi na mnoge načine, kao na primjer u optimizaciji uzgoja, kaže Ćebo te objašnjava kako AI može analizirati velike količine podataka o tlu, klimi, usjevima, navodnjavanju i drugim faktorima kako bi pomogla poljoprivrednicima u donošenju informiranih odluka o uzgoju.

Na temelju prikupljenih podataka, umjetna inteligencija može prepoznati obrasce i pružiti preporuke za optimizaciju usjeva, kao što su pravilno doziranje vode, gnojiva i pesticida. Ćebo napominje da je precizno navodnjavanje, također pomoć umjetne inteligencije u tom području, a može koristiti senzore i podatke o vlažnosti tla, prognozi vremena i drugim čimbenicima kako bi pružila precizne smjernice za navodnjavanje.

– Time se smanjuje prekomjerno ili nedovoljno zalijevanje, čime se poboljšava učinkovitost upotrebe vode i smanjuju troškovi, objašnjava Ćebo te napominje da je rano otkrivanje bolesti i štetnika, još jedno područje gdje se primjenjuje umjetna inteligencija. AI može koristiti algoritme strojnog učenja i analizu slika kako bi identificirala znakove bolesti, štetnika ili nedostataka hranjivih tvari u biljkama. Rano otkrivanje omogućava poljoprivrednicima brzu intervenciju i sprječavanje širenja problema, čime se smanjuje potreba za upotrebom pesticida i poboljšava prinos.

I automatizacija radnih procesa je područje gdje AI može upravljati autonomnim poljoprivrednim strojevima i robotima koji obavljaju različite zadatke, kao što su sjetva, žetva, sakupljanje plodova ili prskanje. Automatizacija smanjuje potrebu za ručnim radom, povećava učinkovitost i može smanjiti troškove proizvodnje kao i prediktivna analitika, koja može koristiti algoritme za analizu podataka kako bi predvidjela prinos, potražnju na tržištu, cijene i druge faktore koji utječu na poljoprivrednu proizvodnju. Ovi prediktivni modeli omogućavaju poljoprivrednicima bolje planiranje proizvodnje, upravljanje zalihama i prilagodbu tržišnim uvjetima, objašnjava Ćebo.

Dobro pakiranje

– Važno je napomenuti da AI ne zamjenjuje poljoprivrednike, već im pruža alate i informacije za bolje upravljanje poljoprivrednom proizvodnjom. Poljoprivrednici i dalje igraju ključnu ulogu u donošenju odluka, napominje Ćebo.

Poznata uzrečica od »polja do stola«, obuhvaća i sve veću primjenu prehrambene industrije, pa je i tu primjena umjetne inteligencije sve veća.

– Imati dobro zapakiran prehrambeni proizvod izuzetno je bitno. Kvalitetno pakiranje štiti prehrambene proizvode od vanjskih faktora kao što su zrak, svjetlost, vlaga i mikroorganizmi. To pomaže u očuvanju kvalitete, okusa, teksture i hranjivih vrijednosti proizvoda tijekom transporta, skladištenja i distribucije. Dobra zaštita od vanjskih utjecaja produljuje rok trajanja proizvoda, smanjuje gubitak i osigurava da kupci dobiju svježe i sigurne proizvode.

Tvrtka Protostar Labs razvila je proizvod nazvan Protostar Vision Box koji pruža naprednu provjeru pakiranja prehrambenih proizvoda. Ovaj sustav ima sposobnost temeljite analize proizvoda kako bi utvrdio je li on pravilno zapakiran ili postoje neke nepravilnosti. Primjerice, sustav može kontrolirati hermetičko zatvaranje čepa na boci. Koristeći ovaj sustav, moguće je utvrditi je li čep pravilno postavljen, je li zatvoren do »prstena boce« ili, drugim riječima, je li potpuno zatvoren. Osim toga, sustav provjerava boju čepa, razinu tekućine, ispravnost naljepnice te kontrolira LOT broj i druge parametre, objašnjava Ćebo.

Napredni algoritmi obrade slike omogućuju brzu i preciznu provjeru svih ključnih elemenata pakiranja. Sustav pruža korisnicima mogućnost da identificiraju i isprave eventualne nedostatke ili nepravilnosti, osiguravajući da proizvodi budu dostavljeni kupcima u optimalnom stanju. Naravno ovakav sustav se može iskoristiti i za druge vrste pakiranja, nije nužno namijenjen za boce.

Jednu od većih primjena u području umjetne inteligencije predstavlja i hiperspektralna kamera, poseban tip kamere koji ima sposobnost vizualizacije objekata i svojstava koji nisu vidljivi ljudskom oku.

Hiperspektralna kamera

Ova tehnologija ima širok spektar primjena, od satelita do industrijskih sektora. U kontekstu kontrole kvalitete hrane, upotreba hiperspektralne kamere može značajno poboljšati i ubrzati proces provjere raznih prehrambenih proizvoda.

– Naša tvrtka primijenila je hiperspektralnu kameru kako bi detektirala prisutnost stranih tijela u riži. Ljudsko oko često teško može otkriti strana tijela na brzo pokretnim proizvodnim linijama. Međutim, korištenje hiperspektralne kamere omogućuje brzu identifikaciju takvih objekata zahvaljujući sposobnosti kamere da vizualizira spektralne karakteristike materijala. To znači da kamera može otkriti čak i najmanje promjene u boji ili spektralnim karakteristikama riže koje mogu ukazivati na prisutnost stranih tijela, kaže Ćebo te napominje da upotreba hiperspektralne kamere u kontroli kvalitete hrane donosi brojne prednosti.

– Osim što omogućuje brzu detekciju stranih tijela, također može identificirati i druge nedostatke ili nepravilnosti koje ljudsko oko može teško primijetiti. Ova tehnologija može pomoći u osiguravanju sigurnosti hrane, smanjenju rizika od kontaminacije i poboljšanju ukupne kvalitete proizvoda, a naročito se, osim u kontroli riže, koristi i kod orašastih plodova, kaže Ćebo.

Uz sve prednosti primjene modernih tehnologija u proizvodnji hrane bitnu ulogu ima i sljedivost u proizvodnji jer omogućuje praćenje proizvoda kroz sve faze proizvodnje i distribucije, osiguravajući transparentnost, sigurnost i mogućnost povlačenja proizvoda po potrebi.

U tom području razvijeno je rješenje za sljedivost u proizvodnji koja koristi vizijske sustave za identifikaciju, praćenje i automatsko bilježenje podataka o proizvodima, omogućujući olakšano praćenje i dokumentiranje proizvodnih procesa te provjeru kvalitete i inspekciju proizvoda.

»Dijagnosticiranje« bolesti kod biljaka

Korištenje hiperspektralnih kamera za otkrivanje bolesti kod biljaka i vegetacije ima značajnu korist jer ove kamere mogu analizirati spektralne karakteristike biljaka i identificirati abnormalnosti koje ukazuju na prisutnost bolesti, štetnika ili stresnih uvjeta. Ova tehnologija omogućuje rano otkrivanje i praćenje biljnih bolesti, što omogućava brzu intervenciju i smanjenje štetnih učinaka na usjeve, poboljšavajući time poljoprivrednu produktivnost i održivost. Ova tehnologija se već koristi na dronovima i satelitima koji analiziraju velike površine.