Des chercheurs des universités d'État de l'Oregon et de Floride ont mis au point un système d'intelligence artificielle (IA) via smartphone, capable de prédire la maturité et la qualité interne des avocats.
"Les avocats font partie des fruits les plus gaspillés dans le monde en raison de leur trop grande maturité", explique Luyao Ma, professeur adjoint à l'université d'État de l'Oregon. "Notre objectif était de créer un outil qui aide les consommateurs et les détaillants à prendre des décisions plus intelligentes quant au moment d'utiliser ou de vendre les avocats".
© Oregon State University
L'équipe de recherche a formé des modèles d'intelligence artificielle en utilisant plus de 1 400 images d'avocats Hass prises sur iPhone. Le système a prédit la fermeté, un indicateur de maturité, avec une précision de 92 % et la qualité interne (frais ou pourri) avec une précision de plus de 84 %. Les chercheurs s'attendent à ce que les performances du système s'améliorent au fur et à mesure que d'autres images seront ajoutées à l'ensemble de données.
L'équipe a noté que la même approche pourrait être adaptée pour évaluer la qualité d'autres denrées alimentaires périssables. Les développements futurs pourraient permettre aux consommateurs d'utiliser le système pour déterminer le meilleur moment pour manger un avocat, réduisant ainsi le gaspillage alimentaire des ménages.
© Oregon State University
Des applications potentielles existent également dans la chaîne d'approvisionnement. Dans les installations de transformation ou de distribution, la technologie pourrait aider à trier et à classer les fruits en fonction de leur maturité. Par exemple, les lots détectés comme étant plus mûrs pourraient être dirigés vers les détaillants proches, tandis que les fruits moins mûrs pourraient être envoyés vers des marchés plus éloignés. Les détaillants pourraient utiliser des évaluations similaires pour gérer la rotation des rayons et réduire les pertes.
L'étude s'appuie sur des recherches antérieures qui ont utilisé l'imagerie et l'apprentissage automatique pour évaluer la qualité des aliments. Les études antérieures s'appuyaient sur des caractéristiques sélectionnées manuellement et des algorithmes conventionnels, ce qui limitait la précision des prédictions. "Pour surmonter ces limites, nous avons utilisé des approches d'apprentissage profond qui capturent automatiquement un plus large éventail d'informations, y compris la forme, la texture et les modèles spatiaux, afin d'améliorer la précision et la robustesse des prédictions de qualité des avocats", a déclaré In-Hwan Lee, un étudiant en doctorat qui collabore au projet.
© Oregon State University
Selon les chercheurs, l'étude contribue également aux efforts plus larges de réduction des déchets alimentaires. Environ 30 % de la production alimentaire mondiale est perdue ou gaspillée chaque année. Aux États-Unis, le ministère de l'agriculture et l'agence de protection de l'environnement ont fixé un objectif national de réduction des déchets alimentaires de 50 % d'ici à 2030.
"Les avocats ne sont qu'un début", a déclaré M. Ma. "Cette technologie pourrait être appliquée plus largement pour aider les consommateurs, les détaillants et les distributeurs à prendre de meilleures décisions et à réduire les déchets."
Les résultats ont été publiés dans la revue Current Research in Food Science. Zhengao Lee, de l'université d'État de Floride, a collaboré avec Ma et Lee du département des sciences et technologies alimentaires de l'université d'État de l'Oregon. Ma est également affilié au département d'ingénierie biologique et écologique.
Pour plus d'informations :
Sean Nealon
Université d'État de l'Oregon
Tél. : +1 541 737 0787
[email protected]
www.news.oregonstate.edu
