La valutazione della qualità delle patate dolci è fondamentale per produttori e trasformatori perché le caratteristiche influenzano la consistenza e il gusto, le preferenze dei consumatori e la fattibilità per scopi diversi. Un nuovo studio dell'Università Urbana-Champaign dell'Illinois esplora l'uso dell'imaging iperspettrale e dell'intelligenza artificiale (AI) spiegabile per valutare gli attributi della patata dolce.

"Tradizionalmente, la valutazione della qualità viene effettuata utilizzando metodi analitici di laboratorio. Sono necessari diversi strumenti per misurare diversi attributi in laboratorio e bisogna attendere i risultati. Con l'imaging iperspettrale, è possibile misurare diversi parametri contemporaneamente. È possibile valutare ogni patata in un lotto, non solo pochi campioni."

"L'imaging spettrale è non invasivo, veloce, accurato ed economico", ha affermato Mohammed Kamruzzaman, assistente professore presso il Dipartimento di ingegneria agraria e biologica (ABE), parte del College of Agricultural, Consumer and Environmental Sciences (ACES) e il Grainger College of Engineering dell'Illinois.

Lo studio fa parte di una collaborazione multistato con il Dipartimento dell’Agricoltura degli Stati Uniti che comprende ricercatori del Mississippi, North Carolina, Michigan, Louisiana e Illinois. Ogni università affronta aspetti diversi del progetto; Il team di Kamruzzaman si concentra sulla valutazione di tre attributi chimici (sostanza secca, consistenza e contenuto di zuccheri solubili (gradi Brix)) che influiscono sul prezzo di mercato e sull'idoneità di una patata al consumo o alla trasformazione.

I ricercatori utilizzano una fotocamera iperspettrale visibile nel vicino infrarosso per acquisire immagini di patate dolci da due diverse angolazioni. L'analisi delle immagini produce dati spettrali, che vengono utilizzati per identificare le lunghezze d'onda chiave e sviluppare mappe di colori che mostrano la distribuzione degli attributi desiderati.

L'imaging iperspettrale è diventato uno strumento importante nella ricerca sulla trasformazione agricola e alimentare. Tuttavia, genera una grande quantità di dati che vengono elaborati con l’apprendimento automatico. È complesso e in genere si comporta come una scatola nera in cui gli utenti non sanno cosa sta succedendo.

"Combiniamo l'imaging iperspettrale con l'intelligenza artificiale spiegabile, permettendoci di comprendere i processi dietro i risultati. È un modo per visualizzare come funzionano gli algoritmi di apprendimento automatico, come vengono elaborati i dati di input e come le funzionalità sono collegate per prevedere l'output", ha affermato Md Toukir Ahmed, studente di dottorato in ABE e autore principale dell'articolo.

"Crediamo che si tratti di una nuova applicazione di questo metodo per la valutazione della patata dolce. Questo lavoro pionieristico ha il potenziale per aprire la strada all'utilizzo in un'ampia gamma di altri campi di ricerca agricola e biologica."

I risultati possono aiutare i professionisti e i ricercatori del settore a comprendere il significato delle diverse caratteristiche nella previsione degli attributi di qualità, il che porta a un processo decisionale più informato e garantisce la fornitura di prodotti di qualità superiore ai consumatori.

Kamruzzaman ha affermato che uno degli obiettivi del progetto multiuniversitario è quello di sviluppare uno strumento che i trasformatori possano utilizzare per scansionare rapidamente e facilmente lotti di patate dolci per determinarne caratteristiche e attributi. Alla fine, i ricercatori potrebbero creare un'app mobile che i consumatori potranno utilizzare nel negozio di alimentari per scansionare la qualità delle patate dolci nel punto di acquisto.

Il lavoro è pubblicato sulla rivista Computers and Electronics in Agriculture .