La inteligencia artificial predice el grado de madurez del aguacate
La investigación aborda un importante reto mundial: el desperdicio de alimentos
Anuncios
Unos investigadores han desarrollado un sistema de inteligencia artificial basado en un smartphone que predice con precisión la madurez y la calidad interna de los aguacates.
Luyao Ma, profesor adjunto de la Universidad Estatal de Oregón, e In-Hwan Lee, estudiante de doctorado que trabaja con Ma.
Brian Horne, Oregon State University
"Los aguacates son una de las frutas que más se desperdician en todo el mundo debido a su excesiva madurez", explica Luyao Ma, profesor adjunto de la Universidad Estatal de Oregón. "Nuestro objetivo era crear una herramienta que ayude a consumidores y minoristas a tomar decisiones más inteligentes sobre cuándo usar o vender aguacates".
El equipo de investigación, formado por científicos de las universidades estatales de Oregón y Florida, entrenó modelos de IA utilizando más de 1.400 imágenes de aguacates Hass tomadas con el iPhone. El sistema predijo la firmeza, un indicador clave de la madurez, con casi un 92% de precisión, y la calidad interna (fresco frente a podrido) con más de un 84% de precisión.
Los investigadores creen que estos índices de precisión pueden mejorar a medida que se añadan más imágenes al modelo. También señalan que la tecnología tiene potencial para evaluar la madurez y calidad de otros tipos de alimentos.
Esperan seguir desarrollando la tecnología para que los consumidores puedan utilizarla en casa y determinar el momento óptimo para comer un aguacate, evitando así la decepción de cortarlo sólo para encontrar las temidas manchas marrones.
El equipo también ve posibles aplicaciones en las instalaciones de procesamiento de aguacates, donde la tecnología podría utilizarse para clasificar y clasificar mejor la fruta. Por ejemplo, si el sistema detecta que un lote está más maduro, podría enviarse a un minorista cercano en lugar de a uno más lejano. Del mismo modo, los minoristas podrían utilizar la tecnología para determinar qué aguacates deben venderse primero en función de su madurez.
Estos resultados se basan en investigaciones anteriores que utilizaban imágenes y técnicas de aprendizaje automático para evaluar la calidad de los alimentos. Sin embargo, los estudios anteriores se basaban en la selección manual de características [SN1] y en algoritmos tradicionales de aprendizaje automático, lo que limitaba el rendimiento de la predicción, explica In-Hwan Lee, estudiante de doctorado que trabaja con Ma en el proyecto.
"Para superar estas limitaciones, utilizamos enfoques de aprendizaje profundo que capturan automáticamente una gama más amplia de información, incluida la forma, la textura y los patrones espaciales para mejorar la precisión y la solidez de las predicciones de calidad del aguacate", dijo Lee.
Ma decidió centrarse en los aguacates debido a su alto valor en el mercado y su elevada tasa de desperdicio. También señaló una motivación personal: como consumidora habitual de tostadas de aguacate, a menudo se sentía frustrada por no saber cuándo estaban perfectamente maduros y por cortar aguacates demasiado maduros.
La investigación aborda un importante reto mundial: el desperdicio de alimentos. Alrededor del 30% de la producción mundial de alimentos se desperdicia. En respuesta a este reto, el Departamento de Agricultura de EE.UU. y la Agencia de Protección del Medio Ambiente han fijado el objetivo nacional de reducir el desperdicio de alimentos en un 50% para 2030.
"Los aguacates son sólo el principio", dijo Ma. "Esta tecnología podría aplicarse mucho más ampliamente, ayudando a consumidores, minoristas y distribuidores a tomar decisiones más inteligentes y reducir el desperdicio".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
