La inteligencia artificial por ultrasonidos puede comprobar la calidad del atún congelado

La Universidad de Tokai y Fujitsu han desarrollado una nueva tecnología para inspeccionar la calidad del atún congelado en Japón. La investigación conjunta se centró en el desarrollo de una novedosa tecnología de inteligencia artificial (IA) por ultrasonidos¹, que dio como resultado la primera técnica del mundo para medir la calidad de la carne del atún congelado sin necesidad de cortar o dañar el producto. La nueva tecnología ofrece así un nuevo método para inspeccionar la calidad del atún congelado sin disminuir su valor, y puede contribuir algún día a una mayor confianza y seguridad en la distribución mundial de atún congelado y otros productos alimentarios.

La demanda de atún tanto en Japón como en el resto del mundo ha aumentado significativamente, con 15 países pescando y produciendo más de 50.000 toneladas de atún en 2020². El reciente auge mundial de la comida japonesa ha aumentado la demanda de atún de alta calidad que se utiliza sobre todo para sashimi (pescado crudo).

La mayor parte del atún natural capturado en estado salvaje se congela rápidamente a bordo de barcos pesqueros comerciales, y posteriormente se entrega a los consumidores a través de distribuidores a restaurantes y supermercados. Sin embargo, la calidad del atún depende en gran medida de las condiciones en el momento de la pesca y de la forma en que se manipula a lo largo del proceso de distribución.

Los métodos convencionales de inspección de la frescura y la calidad de la carne del atún congelado suelen requerir que los inspectores corten la cola del pescado para examinar visualmente un corte transversal de la cola del atún. Cortar la cola del atún a menudo daña y, en última instancia, reduce el valor del pescado, y el proceso depende en gran medida de un número limitado de expertos formados para llevar a cabo con precisión la inspección de calidad.

Las ondas ultrasónicas se aplican en pruebas de calidad en diversos campos como método de ensayo no destructivo. Sin embargo, su uso en productos congelados como el atún resulta difícil debido a la elevada atenuación de las ondas acústicas.

Para resolver estos problemas, la Universidad de Tokai, bajo la dirección del profesor Keiichi Goto, del Departamento de Pesca de la Escuela de Ciencia y Tecnología Marina, y Fujitsu llevaron a cabo una investigación conjunta para examinar el atún congelado con ondas ultrasónicas de baja frecuencia y atenuación para inspeccionar la frescura del pescado. Analizando las formas de onda mediante aprendizaje automático³, ambas partes desarrollaron con éxito el primer método del mundo para determinar la frescura del atún congelado sin necesidad de cortar el producto.

Del 1 de abril de 2022 al 31 de marzo 2023 (está previsto que continúe después del ejercicio 2023).

Con el fin de encontrar la frecuencia de ultrasonidos óptima para examinar el atún congelado, la Universidad de Tokai y Fujitsu realizaron ensayos con varias frecuencias de onda. Las pruebas mostraron que las ondas ultrasónicas con una frecuencia relativamente baja, de unos 500 kHz, ofrecían resultados óptimos.

Para determinar posibles indicadores de frescura insuficiente⁴, ambas partes compararon las formas de onda de ultrasonidos de los atunes para ver la calidad y frescura. Como resultado, la Universidad de Tokai y Fujitsu descubrieron que la intensidad de la reflexión en la zona de la espina central de los especímenes de atún con una frescura insuficiente era especialmente intensa. Basándose en estos hallazgos, las dos partes crearon un modelo de aprendizaje automático basado en las ondas reflejadas de la espina media de los especímenes de atún⁵ que es capaz de inspeccionar correctamente la frescura del atún congelado con una precisión del 70% al 80%⁶.

Además de las formas de onda que el ojo humano puede diferenciar fácilmente (imagen 2), la tecnología de IA recién desarrollada también es capaz de identificar distinciones en formas de onda que son difíciles de percibir visualmente (imagen 3).

Imagen 2 (izquierda): Diferencias en las formas de onda de la calidad de frescura que son fáciles de detectar con el ojo humano. Imagen 3 (derecha): Diferencias en las formas de onda de la calidad de frescura que son difíciles de detectar a simple vista, pero que pueden ser identificadas por la IA.

• Los mayoristas de productos marinos pueden inspeccionar fácilmente la frescura de un pescado entero con un dispositivo portátil cuando compran atún a los pescadores.
• Aplicada a las inspecciones en instalaciones como puertos pesqueros mediante cintas transportadoras, la tecnología podría utilizarse para inspecciones automatizadas por lotes de la frescura del atún congelado.

En el futuro, la Universidad de Tokai y Fujitsu realizarán ensayos con más muestras de atún para aumentar la precisión de la tecnología recién desarrollada y mejorarla para que pueda detectar otros defectos de calidad del atún congelado, como coágulos de sangre y tumores.

Los dos socios planean además realizar pruebas de campo en plantas de procesado de productos marinos y llevar a cabo investigaciones para aplicar la tecnología a una amplia gama de ámbitos, como la industria ganadera, que manipula productos congelados, el campo biológico y el médico.

Referencias bibliográficas

1. Tecnología de IA para ultrasonidos: Grupo de tecnologías de IA especializadas en el tratamiento de datos adquiridos por ultrasonografía. Las ondas ultrasónicas reflejadas por los huesos aparecen como sombras en los datos. Al reducir o utilizar esas características de los datos de ultrasonidos, Fujitsu está desarrollando una tecnología de IA robusta frente a problemas como el ruido propio de los ultrasonidos.
2. 15 países pescan y producen más de 50.000 toneladas de atún en 2020: Extraído de “World Tuna Catch and Production Ranking and Transition by Country” (en japonés)
3. Aprendizaje automático: Una rama de la IA. Técnica en la que un algoritmo aprende automáticamente las características necesarias para la clasificación de objetos a partir de datos de entrenamiento. Tecnología que demuestra un alto rendimiento incluso para patrones complejos y finos que son difíciles de crear para los desarrolladores.
4. Frescura insuficiente: Condición en la que progresa la rigidez postmortem. En el caso del atún congelado, la rigidez postmortem se desarrolla entre el momento en que se captura y el momento en que se congela, y los atunes en estado de rigidez postmortem tienen un valor de producto inferior a los congelados inmediatamente después de ser capturados.
5. La Universidad de Tokai y Fujitsu recortaron las ondas reflejadas de la parte media del hueso y realizaron un aprendizaje automático a partir de 222 formas de onda de ultrasonidos obtenidas de 10 rodajas de atún de calidad buena e insuficiente. Además de esas muestras, la Universidad de Tokai y Fujitsu calcularon una puntuación de frescura a partir de 126 formas de onda de ultrasonidos obtenidas de un total de 6 rodajas de atún de calidad buena e insuficiente y verificaron si las formas de onda de las rodajas de buena calidad podían distinguirse de las de calidad insuficiente. Como resultado, la Universidad de Tokai y Fujitsu descubrieron una diferencia significativa en la puntuación de frescura de los especímenes de calidad buena e insuficiente.
6. La Universidad de Tokai y Fujitsu evaluaron la precisión del modelo de aprendizaje automático mediante una curva AUC-ROC (Área Bajo la Curva de la Característica Operativa del Receptor). Una curva ROC muestra la tasa de verdaderos positivos en el eje vertical y la tasa de falsos positivos en el eje horizontal, mientras que el área bajo la curva se obtiene entre 0,0 y 1,0, y 1,0 es un valor de puntuación perfecto. En general, se puede alcanzar un cierto nivel de rendimiento cuando el valor es superior a 0,7. Como resultado de la evaluación de la nueva tecnología mediante AUC-ROC, la Universidad de Tokai y Fujitsu obtuvieron un valor de 0,791, lo que significa una precisión de entre el 70% y el 80%.