Cómo procesadores de alimentos y plantas de envasado se benefician de las soluciones de clasificación y calibrado basadas en IA

Una de esas soluciones, el nuevo TOMRA Neon, precalifica arándanos cosechados a máquina para el mercado fresco. La otra, la serie Spectrim X de nueva generación, aprovecha el aprendizaje profundo para una clasificación y calibrado de frutas con una precisión inigualable. Estas máquinas son sólo el comienzo de una revolución que hará que la producción de alimentos frescos y procesados sea más eficiente y rentable.

 

Muchos beneficios para los procesadores

 

TOMRA Food utiliza inteligencia artificial desde 2019 para hacer que las soluciones de clasificación y calibrado sean más precisas que las técnicas tradicionales. El despliegue de tecnología impulsada por la IA en la industria de producción de alimentos seguirá acelerándose en el futuro. Algunas de las áreas que afectará se encuentran a continuación:

 

.Clasificar y calibrar con mayor precisión y estabilidad, lo que resulta en una menor pérdida de alimentos

 

.Encontrar materiales extraños difíciles de detectar

 

.Mejora del mantenimiento predictivo

 

.Diagnosticar problemas de línea de forma inteligente

 

.Predecir la vida útil de almacenamiento de los productos

 

.Optimizar los paquetes de forma inteligente para diferentes clientes

 

.Optimización de las operaciones de la cadena de suministro

 

No nos equivoquemos: la IA está generando un cambio tecnológico significativo que las empresas tendrán que seguir para seguir siendo competitivas.

 

Muy adecuado para la producción de alimentos.

 

Cuando se habla de IA, es posible que también escuche los términos "aprendizaje automático" y "aprendizaje profundo". Machine Learning es una colección de técnicas que permite a los sistemas de software reconocer patrones en los datos para proporcionar mediciones e información. El aprendizaje profundo es un subconjunto del aprendizaje automático que utiliza redes neuronales artificiales para resolver problemas complejos. Estas tecnologías se adaptan bien a la producción de alimentos porque muchas tareas implican datos y toma de decisiones.

 

La IA también es relevante para la producción de alimentos debido al alto nivel de variabilidad en la industria, desde los efectos meteorológicos y climáticos hasta las variaciones naturales en los productos. Estos factores significan que los sistemas tradicionales pueden tener dificultades para realizar predicciones precisas. No basta con tener datos: su calidad también es un factor importante en el rendimiento de la IA. Como ocurre con los sistemas tradicionales, cuanto mejores sean los datos, mejores serán las decisiones. Por eso es tan importante contar con los mejores sistemas de inspección y sensores: pueden recopilar datos de mayor calidad, lo que potencia el sistema de inteligencia artificial. Esto conduce a decisiones más precisas y consistentes, lo que resulta en menos desperdicio de alimentos y productos más vendibles, además de maximizar el valor del producto.

 

La tecnología de inteligencia artificial puede mejorar las máquinas de clasificación de varias maneras, puede ayudar a tomar decisiones más precisas de "aceptar o rechazar", recuperar más productos buenos a partir de materia prima comprometida a través de una mayor precisión y clasificar con mayor precisión los productos en la línea en diferentes grados para permitir la producción con manos libres. Por ejemplo, las fuertes lluvias o las heladas han dañado tanta fruta entrante que solo el 40% de ella se puede empaquetar: las tecnologías más antiguas no serían lo suficientemente precisas para recuperar esto, ya que incluirían erróneamente demasiado daño, pero la IA lo hace posible. Además de recuperar una cosecha potencialmente desastrosa, esto ayuda a mantener satisfechos a los clientes en momentos en que, de otro modo, el producto no alcanzaría la calidad adecuada.

 

IA y aprendizaje profundo en acción

 

El aprendizaje profundo es un método de inteligencia artificial que utiliza modelos previamente entrenados para enseñar a las computadoras cómo procesar datos, como patrones complejos en fotografías. La plataforma de clasificación de la serie Spectrim X recientemente lanzada es un gran ejemplo de esto. Desarrollado por un equipo de científicos, ingenieros, investigadores y expertos líderes en la industria, Spectrim X integra el último desarrollo de la tecnología de aprendizaje profundo LUCAi™ de TOMRA.

 

La plataforma de nivelación de la serie Spectrim X está equipada con el software LUCAi™ Engine, hardware informático y modelos previamente entrenados que logran una precisión de nivelación sin precedentes. Ahora se pueden realizar más operaciones de envasado sin intervención manual, centrándose más en los umbrales y minimizando al mismo tiempo la pérdida de fruta.

 

Spectrim X evalúa miles de imágenes de frutas multicanal de alta resolución cada segundo. Luego cruza lo que ve con redes de inteligencia artificial que han sido entrenadas en decenas de miles de frutas para tomar decisiones de clasificación que satisfagan las demandas precisas del mercado. Estos datos han sido capturados desde máquinas TOMRA en todo el mundo y etiquetados manualmente con precisión por el equipo de ciencia de datos de TOMRA. Durante 18 meses de pruebas en el mundo real en EE. UU. y Nueva Zelanda, clasificando y calibrando manzanas, Spectrim X mostró un avance significativo en rendimiento en comparación con su predecesor.

 

La IA también impulsa el nuevo TOMRA Neon, para precalificar arándanos. La recolección automatizada de arándanos es más rápida y menos costosa que la cosecha manual, pero plantea desafíos en forma de restos no deseados y racimos de fruta para las líneas de procesamiento y envasado de fruta fresca. Para abordar estos desafíos, TOMRA Neon acepta y rechaza fruta antes de transferirla directamente a la clasificadora y clasificadora óptica KATO260 de TOMRA. Mediante el uso de IA, TOMRA Neon puede identificar, diferenciar y eliminar racimos no deseados, frutas de tamaño insuficiente y frutas inmaduras. Esto optimiza la eficiencia de la clasificadora óptica al eliminar más del 95 % de los racimos y más del 90 % de las bayas verdes y rojas no deseadas.

 

Razones para el optimismo

 

Las valiosas capacidades de la IA en el procesamiento de alimentos serán aún más importantes en el futuro cercano debido a los crecientes desafíos que presentan la escasez global de alimentos y los fenómenos climáticos perturbadores, y porque existe presión comercial para proporcionar ingredientes y productos de la más alta calidad incluso cuando la calidad del producto de entrada es deficiente.

 

La IA también puede ayudar a los procesadores y empacadoras a enfrentar otros desafíos, como esforzarse por ofrecer productos y servicios al menor costo; cumplir con las especificaciones de productos de los clientes sin entregar demasiado o menos; y reducir o eliminar los problemas asociados con el reclutamiento, la capacitación y la retención de mano de obra calificada.

 

Los dolores de cabeza asociados con la búsqueda de suficientes personas para realizar trabajos estacionales y los desafíos constantes de administrar una fuerza laboral se pueden abordar mediante la automatización de tareas que antes se realizaban manualmente. No es ningún secreto que las máquinas clasificadoras, calibradoras y empacadoras son más rápidas, más precisas, consistentes, confiables y, en última instancia, más rentables que los humanos.

 

Esto nos lleva de nuevo al controvertido tema de la sustitución de puestos de trabajo por la IA. Vale la pena recordar que muchas plantas de procesamiento, especialmente aquellas que no están cerca de grandes centros de población, luchan por emplear a toda la gente que necesitan, por lo que en lugar de realizar tareas que antes se hacían manualmente, la automatización a menudo hace lo que de otro modo no se podría hacer. La automatización a menudo se encarga de tareas que la gente no quiere hacer porque son aburridas, repetitivas o extenuantes. Sin duda, esto es cierto en el caso de la clasificación y calibrado manual, y si los trabajadores son desplazados de estas funciones, a menudo son reasignados a otras tareas en la línea, que son menos monótonas y añaden más valor.

 

Sin embargo, como hemos visto aquí, reducir la dependencia laboral es solo una de las muchas formas en que la automatización impulsada por la IA beneficia a los procesadores y empacadoras. La IA desempeñará un papel cada vez más importante a la hora de satisfacer las necesidades y deseos de los consumidores de alimentos a medida que las crecientes clases medias del mundo aumentan la demanda de alimentos saludables. Y lo más importante de todo es que la IA ayudará a afrontar el desafío de alimentar a la enorme y creciente población mundial, lo que requerirá más producción de alimentos y menos desperdicio de alimentos.

 

 

 

 

Si está buscando soluciones de clasificación y calibrado basadas en IA para su negocio de frutas, envíe su consulta