Nuevas soluciones con Inteligencia Artificial de Tomra aumentan la eficiencia de empresas procesadoras y de embalaje de alimentos

Últimamente hemos oído mucho sobre la Inteligencia Artificial (IA). La capacidad de las computadoras para imitar el pensamiento y la toma de decisiones del ser humano, y para automatizar tareas que tradicionalmente requerían inteligencia de las personas, ha suscitado todo tipo de noticias. En esa línea, y para seguir confirmando la creciente importancia de esta tecnología, Tomra Food acaba de lanzar dos nuevas soluciones de clasificación y calibrado basadas en IA.

Una de esas soluciones es el nuevo Tomra Neon, el cual preclasifica arándanos cosechados mecánicamente destinados al mercado de producto fresco. Por otro lado, 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.

Sin duda, los debates públicos más extensos sobre la IA se han centrado en la última versión del chatbot ChatGPT. Esta herramienta de procesamiento del lenguaje, impulsada por inteligencia artificial puede responder preguntas, realizar tareas como escribir correos electrónicos y códigos de computadora, además de escribir ensayos para aprobar exámenes que, sin esta ayuda, serían de gran dificultad para los estudiantes. No hace mucho tiempo, no existía ninguna de estas capacidades de IA.

La IA también acaparó los titulares de la prensa cuando el padrino de la tecnología, el psicólogo cognitivo e informático Geoffrey Hinton, renunció a su trabajo de tiempo parcial en Google para poder hablar más libremente sobre sus preocupaciones por la irrupción de la IA en el mercado laboral.

De esta manera, hoy no se puede negar que la automatización impulsada por la IA se implementará en tareas que actualmente se manejan manualmente, incluidas algunas ocupaciones rutinarias en los procesadores de alimentos y las empacadoras. Como veremos en un momento, esto será un avance positivo para los empleadores, empleados y consumidores de alimentos.

Desde el año 2019, Tomra Food utiliza Inteligencia Artificial para hacer que las soluciones de clasificación y calibrado sean más precisas que las técnicas tradicionales, y el despliegue de tecnología impulsada por la IA en la industria de producción de alimentos, seguirá acelerándose en el futuro. A continuación, veremos algunas de las áreas que impactará:

• Clasificación y calibrado con mayor precisión y estabilidad, lo que da como resultado una disminución en la pérdida de alimentos.
• Detección de materiales extraños.
• Mejora del mantenimiento predictivo.
• Diagnóstico inteligente de problemas en línea.
• Predicción de la vida útil de almacenamiento de los productos.
• Optimización inteligente de paquetes para diferentes clientes.
• Optimización de las operaciones de la cadena de suministro.

No nos equivoquemos: la IA está provocando un gran cambio tecnológico al cual las empresas deberán adaptarse para seguir siendo competitivas.

Cuando se habla de IA, es posible que también surjan 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 por otro lado 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 pueden resultar en que los sistemas tradicionales puedan 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, ya que pueden recopilar datos de mayor calidad que potencian el sistema de IA. Esto conduce a decisiones más precisas y consistentes que resultan en menos desperdicio de alimentos y productos con mayor posibilidad de venta, además de maximizar el valor del producto.

Así, la Inteligencia Artificial puede mejorar las máquinas de clasificación y calibrado 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 que solo un 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 donde, de otro modo, el producto no alcanzaría la calidad adecuada.

El Deep Learning (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 Spectrim X está equipada con el software LUCAi, hardware informático y modelos previamente entrenados que logran una precisión de calibrado sin precedentes. Ahora se pueden realizar más operaciones de embalaje 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 a 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 cumplan con las demandas 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 su rendimiento en comparación con el modelo predecesor.

La nueva solución Tomra Neon, también está impulsada por la IA, para preclasificar arándanos. Si bien la recolección automatizada de arándanos es más rápida y menos costosa en comparación con la cosecha manual, plantea desafíos para las líneas de procesamiento y envasado de fruta fresca en forma de productos no deseados y racimos de fruta. Para abordar estos desafíos, Tomra Neon acepta o rechaza fruta antes de transferirla a la clasificadora óptica KATO260 de Tomra. Mediante el uso de IA, Tomra Neon puede identificar y eliminar esos racimos no deseados, las frutas de tamaño insuficiente o las frutas inmaduras. Al eliminar más del 95% de los racimos y más del 90% de los arándanos verdes y rojos no deseadas se logra optimizar la eficiencia de la clasificadora óptica.

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 inusuales, y porque existe presión comercial para proporcionar ingredientes y productos de la más alta calidad, incluso si hay deficiencias desde su entrada.

La IA también puede ayudar a los procesadores y empresas de embalaje a enfrentar otros desafíos, como potenciar la oferta de productos y servicios al menor coste; cumplir con las especificaciones de productos de los clientes de manera justa y precisa; y reducir o eliminar los problemas asociados con el reclutamiento, la capacitación y la retención de mano de obra cualificada.

Las dificultades derivadas de la búsqueda de trabajadores estacionales y de la correcta administración de la fuerza laboral se pueden abordar mediante la automatización de tareas que antes se realizaban manualmente. No es ningún secreto que las 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. 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 tienen 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 estos.