Una nueva herramienta de inteligencia artificial desarrollada por investigadores de la Universidad Estatal de Oregón utiliza imágenes de teléfonos inteligentes para predecir con precisión la madurez de los aguacates, reduciendo potencialmente el desperdicio de alimentos y ayudando a los consumidores a disfrutar de una fruta perfectamente madura.
Investigadores de la Universidad Estatal de Oregón y la Universidad Estatal de Florida han desarrollado un sistema de inteligencia artificial que utiliza imágenes de teléfonos inteligentes para predecir con precisión la madurez y la calidad interna de los aguacates.
Esta innovadora herramienta, cuyos detalles se encuentran a continuación publicado en la revista Current Research in Food Science, podría reducir significativamente el desperdicio de alimentos y ayudar a los consumidores y minoristas a tomar decisiones más inteligentes sobre cuándo usar o vender aguacates.
“Los aguacates se encuentran entre las frutas que más se desperdician a nivel mundial debido a su sobremaduración”, declaró en un comunicado de prensa Luyao Ma, autor correspondiente y profesor adjunto del Departamento de Ciencia y Tecnología de los Alimentos de la Facultad de Ciencias Agrícolas de la Universidad Estatal de Oregón. “Nuestro objetivo era crear una herramienta que ayudara a consumidores y minoristas a tomar decisiones más inteligentes sobre cuándo usar o vender aguacates”.
El equipo interdisciplinario entrenó su modelo de IA utilizando más de 1,400 imágenes de iPhone de aguacates Hass.
El sistema de IA demostró una precisión notable, prediciendo la firmeza de los aguacates (un indicador vital de madurez) con casi un 92 % de precisión y distinguiendo entre fruta fresca y podrida con más del 84 % de precisión.
Estos resultados demuestran la robustez del modelo, que los investigadores creen que puede perfeccionarse a medida que se añadan más imágenes. Prevén que la tecnología amplíe su alcance a otros tipos de alimentos, aprovechando la IA para evaluar la madurez y la calidad general.
De cara al futuro, el equipo espera seguir desarrollando esta herramienta para que los consumidores puedan usarla en casa y disfrutar de sus aguacates en su punto óptimo de maduración. Esto podría ayudar a evitar la frecuente decepción de encontrar manchas marrones después de cortar un aguacate.
Más allá del uso doméstico, la tecnología tiene aplicaciones prometedoras en las plantas de procesamiento de aguacate, donde podría optimizar los procesos de clasificación y clasificación. Por ejemplo, los lotes identificados como más maduros podrían enviarse a minoristas más cercanos, minimizando así el desperdicio durante el transporte. Los minoristas también podrían beneficiarse al priorizar la venta de aguacates según su madurez.
La investigación se basa en estudios anteriores que emplearon técnicas de aprendizaje automático para evaluar la calidad de los alimentos.
“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 la calidad del aguacate”, agregó el primer autor In-Hwan Lee, estudiante de doctorado en el Departamento de Ciencia y Tecnología de los Alimentos.
El interés de Ma por los aguacates se debe a su alto valor de mercado y a su alto índice de desperdicio. También señaló una conexión personal, ya que es una ávida consumidora de tostadas de aguacate, a menudo frustrada por la imprevisibilidad de la maduración de la fruta.
Esta investigación aborda un problema mundial acuciante: el desperdicio de alimentos. Aproximadamente el 30 % de la producción mundial de alimentos se desperdicia. En respuesta, el Departamento de Agricultura de EE. UU. y la Agencia de Protección Ambiental (EPA) se han fijado el objetivo nacional de reducir el desperdicio de alimentos a la mitad para 2030.
“Los aguacates son solo el comienzo”, añadió Ma. “Esta tecnología podría aplicarse de forma mucho más amplia, ayudando a consumidores, minoristas y distribuidores a tomar decisiones más inteligentes y reducir el desperdicio”.
Fuente: Universidad Estatal de Oregon