Machine learning y visión artificial en la seguridad alimentaria de la carne
La complejidad de los productos y los procesos de fabricación de la industria alimentaria, así como el volumen y disparidad de datos que se generan, obligan a avanzar de forma decidida en la aplicación de técnicas de aprendizaje automático (Machine Learning) para extraer información que ayude a la toma de decisiones.
Este tipo de técnicas permite clasificar las ingentes cantidades de información de datos en tiempo real y, por lo tanto, utilizar al máximo el potencial de la Industria 4.0. Si entrenamos a las máquinas para que, al igual que los sistemas neuronales, resuelvan problemas complejos como la detección de defectos o la identificación de patrones en tiempo real, las potencialidades del procesamiento digital de imágenes son inmensas.
Estas técnicas requieren de una gran potencia de cálculo para procesar la gran cantidad de datos mediante algoritmos que permiten la paralelización. El Machine Learning utiliza la alta capacidad de cálculo de las GPU (Unidades de Procesamiento Gráfico) permitiendo realizar el análisis en tiempo real. El gráfico anterior representa el incremento de velocidad al emplear en el procesado una GPU.
El procesamiento digital de imágenes es una disciplina que integra diversas áreas de conocimiento como son la informática, la electrónica y la física. Esta disciplina permite el análisis y procesamiento de imágenes digitales mediante el uso de ordenadores, con el fin de extraer información útil de las mismas para llevar a cabo alguna tarea en particular. En nuestro caso, la aplicamos al control de calidad y la seguridad alimentaria en línea, en diferentes sectores de producción. Entre ellos, la industria cárnica.
Nuestra experiencia nos permite afirmar que el procesamiento digital de imágenes es un área de gran importancia en la industria, ya que ayuda en:
- Detección de defectos en procesos
- Automatización de operaciones de producción
- Clasificación de productos
- Evaluación de la calidad
En Ainia llevamos décadas desarrollando aplicativos en este campo y ahora hemos dado un paso más incorporando técnicas de Machine Learning al procesamiento digital de imágenes, con unos resultados realmente sorprendentes.
¿Puede el Machine Learning mejorar el control microbiológico?
El uso de técnicas de Machine Learning en la lectura automática de placas Petri en los laboratorios de control de alimentos de Ainia está permitiendo, en un trabajo de I+D propia, obtener una tasa de acierto global del 95% frente al 68% obtenido utilizando técnicas convencionales de reconocimiento de patrones.
En la imagen se pueden ver los resultados obtenidos en recuento tradicional de placas, con un acierto de 46/53 colonias detectadas, mientras que la misma muestra procesada utilizando Machine Learning obtuvo una tasa de acierto de 53/53.
La detección de objetos en tiempo real es otro de los campos de aplicación de esta destacada disciplina de la inteligencia artificial. En la industria alimentaria estas técnicas son muy útiles para el control de calidad, un claro ejemplo de esto es la aplicación de técnicas de Maching Learning para clasificar productos cárnicos.
