De meeste consumenten in de supermarkt beschouwen het als vanzelfsprekend wat er nodig is om de eenvoudige zoete aardappel uit de grond en in het winkelwagentje te krijgen. Lichtzoete rode wortelgroenten kunnen in verschillende maten en smaakprofielen verkrijgbaar zijn, maar consumenten verwachten steeds meer consistentie. Om aan die marktvraag te voldoen, ondergaan zoete aardappelen nauwgezette en tijdrovende kwaliteitsbeoordelingen om ongewenste partijen te verwijderen die ofwel te stevig, niet zoet genoeg zijn of anderszins waarschijnlijk niet verkocht zullen worden. Dit proces wordt momenteel methodisch uitgevoerd door mensen in het laboratorium, maar een nieuwe studie suggereert dat hyperspectrale camera’s en AI het proces kunnen helpen versnellen.
Dat blijkt uit een studie die deze week werd gepubliceerd in Computers en elektronica in de landbouw, Onderzoekers van de Universiteit van Illinois wilden kijken of gegevens verzameld door een hyperspectrale beeldcamera zouden kunnen helpen bepaalde aardappeleigenschappen te verfijnen die doorgaans worden bepaald door handmatige inspecteurs en tests. Hyperspectrale camera’s verzamelen enorme hoeveelheden gegevens over het elektromagnetische spectrum en worden vaak gebruikt om de chemische samenstelling van materialen te helpen bepalen. In dit geval wilden de onderzoekers kijken of ze gegevens uit afbeeldingen van aardappelen konden analyseren om nauwkeurig de stevigheid van het vruchtvlees, het gehalte aan oplosbare vaste stoffen en het drogestofgehalte te bepalen – drie belangrijke kenmerken die bijdragen aan de algehele smaak en de aantrekkingskracht van de groente op de markt. Normaal gesproken vereist dit proces vervelende en soms verkwistende tests, waarbij de testaardappel mogelijk 24 uur in een oven moet worden gelaten die is verwarmd tot 103 graden Celsius.
“Traditioneel wordt de kwaliteitsbeoordeling gedaan met behulp van analytische laboratoriummethoden”, zei assistent-professor Mohammed Kamruzzaman van het University of Illinois College of Agricultural, Consumer and Environmental Sciences in een verklaring. “Je hebt verschillende instrumenten nodig om verschillende attributen in het laboratorium te meten en je moet wachten op de resultaten.”
De onderzoekers verzamelden 141 vlekvrije zoete aardappelen en maakten vanuit meerdere hoeken foto’s. Hyperspectrale beeldvorming levert enorme hoeveelheden gegevens op, wat zowel een zegen als een vloek kan zijn voor onderzoekers die op zoek zijn naar specifieke variabelen. Om dat probleem op te lossen, gebruikten de onderzoekers een AI-model dat hielp bij het filteren van gegevens met ruis op verschillende golflengten. Vervolgens konden ze die golflengten matchen met de specifieke wenselijke eigenschappen van de zoete aardappel waarnaar ze op zoek waren.
“Met hyperspectrale beeldvorming kun je meerdere parameters tegelijk meten. Je kunt elke aardappel in een batch beoordelen, niet slechts een paar monsters”, aldus Kamruzzaman.
AI en hyperspectrale camera’s kunnen de groente-inspectie versnellen
De onderzoekers beweren dat boeren en voedselinspecteurs hun combinatie van hyperspectrale beeldvorming en kunstmatige intelligentie zouden kunnen gebruiken om zoete aardappelen nauwkeurig en kosteneffectief te scannen op belangrijke kenmerken, terwijl ze de voedselverspilling, die een bijproduct is van traditioneel testen, kunnen verminderen. En hoewel dit specifieke onderzoek zich richtte op zoete aardappelen, is het mogelijk dat vergelijkbare tactieken kunnen worden gebruikt om de gewenste kenmerken te vinden in een reeks andere groenten en fruit. Kamruzzaman zegt dat hij en zijn collega’s op termijn snel en eenvoudig gescande partijen zoete aardappelen willen creëren. Aan de consumentenkant willen de onderzoekers binnen een dag een app bouwen waarmee klanten van supermarkten aardappelen kunnen scannen en naar hun speciale kenmerken kunnen zoeken. Een dergelijke app zou er in theorie voor kunnen zorgen dat gebruikers hun producten niet op onhandige wijze strelen.
“Wij geloven dat dit een nieuwe toepassing is van deze methode voor het evalueren van zoete aardappelen”, schreef promovendus en hoofdonderzoeksauteur Toukir Ahmed. “Dit baanbrekende werk heeft het potentieel om ook de weg vrij te maken voor gebruik in een breed scala van andere agrarische en biologische onderzoeksgebieden.”
De landbouwsector wendt zich steeds meer tot AI-oplossingen om de efficiëntie te vergroten en een groeiend tekort aan arbeidskrachten in de landbouw te voorkomen. Van autonome tulpeninspectiemachines in Nederland tot zelfrijdende John Deere-tractoren: boeren over de hele wereld hopen dat deze nieuwe innovaties uiteindelijk de voedselprijzen zullen verlagen en tegelijkertijd hun eigen winstgevendheid zullen vergroten. Hoe het allemaal zal uitpakken, valt echter nog te bezien. Het kan ook langer duren voordat de landbouwwinsten uit AI-oplossingen ten goede komen aan de economisch ontwikkelingslanden, waar een deel van de landbouw nog steeds met de hand wordt gedaan.