La IA predice el grado de madurez del aguacate con imágenes de un smartphone

Fuente: Fresh Plaza | Fotografía: PxHere

"Los aguacates son una de las frutas que más se desperdician en todo el mundo debido a su excesiva madurez", explica Luyao Ma, profesora adjunta de la Universidad Estatal de Oregón. "Nuestro objetivo era crear una herramienta que ayudase a consumidores y retailers a tomar decisiones más inteligentes en cuanto al momento óptimo de consumo o venta de los aguacates".

El equipo de investigación entrenó modelos de IA utilizando más de 1.400 imágenes de aguacates Hass tomadas con el iPhone. El sistema predijo la firmeza, un indicador de madurez, con un 92% de precisión y la calidad interna (fresco frente a podrido) con más de un 84% de precisión. Los investigadores esperan que el rendimiento del sistema mejore conforme se vayan incorporando más imágenes al conjunto de datos.

El equipo señala que el mismo método podría adaptarse para evaluar la calidad de otros alimentos perecederos. En el futuro, los consumidores podrían utilizar el sistema para determinar el mejor momento de consumo de esta fruta y reducir así el desperdicio de alimentos en el hogar.

También existen aplicaciones con potencial en la cadena de suministro. En las instalaciones de procesamiento o distribución, la tecnología podría ayudar a clasificar la fruta según su grado de madurez. Por ejemplo, los lotes detectados como más maduros podrían destinarse a los establecimientos de venta cercanos, mientras que la fruta menos madura podría enviarse a mercados más lejanos. Los retailers podrían utilizar evaluaciones similares para gestionar la rotación en los estantes y reducir el deterioro.

El estudio se basa en investigaciones previas que utilizaban imágenes y aprendizaje automático para evaluar la calidad de los alimentos. Los estudios anteriores se basaban en características seleccionadas manualmente y algoritmos convencionales, lo que limitaba la precisión de la predicción. "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", expone In-Hwan Lee, estudiante de doctorado que colabora en el proyecto.

Los investigadores afirman que el estudio también contribuye a los esfuerzos por reducir el desperdicio de alimentos. Aproximadamente el 30% de la producción mundial de alimentos se pierde o desperdicia cada año. En EE. UU., el Departamento de Agricultura 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 solo el principio", afirma Ma. "Esta tecnología podría aplicarse más ampliamente para ayudar a los consumidores, retailers y distribuidores a tomar mejores decisiones y reducir el desperdicio".

Los resultados se publicaron en Current Research in Food Science. Zhengao Lee, de la Universidad Estatal de Florida, colaboró como coautor con Ma y Lee, del Departamento de Ciencia y Tecnología de los Alimentos de la Universidad Estatal de Oregón. Ma también está afiliada al Departamento de Ingeniería Biológica y Ecológica.

Para más información:
Sean Nealon
Universidad Estatal de Oregón
Tel.: +1 541 737 0787
[email protected]
www.news.oregonstate.edu