• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  • In che modo i sensori e i big data possono aiutare a ridurre gli sprechi alimentari

    Credito:Shutterstock

    L'agricoltura moderna si è evoluta adottando progressi tecnici come macchine per l'aratura e la raccolta, irrigazione controllata, fertilizzanti, pesticidi, selezione delle colture e ricerca genetica. Questi hanno aiutato gli agricoltori a produrre grandi raccolti di buona qualità in un modo abbastanza prevedibile.

    Ma ci sono ancora progressi da fare per ottenere i migliori raccolti possibili da diversi tipi di terreno. E si verificano ancora grosse perdite, specialmente durante e dopo la raccolta, dove il monitoraggio e la manipolazione dei prodotti non sono fatti bene. L'industria ha bisogno di soluzioni intelligenti e precise e queste stanno diventando disponibili attraverso le nuove tecnologie.

    L'agricoltura intelligente mira a utilizzare la tecnologia moderna per migliorare la resa e la qualità del prodotto. Un esempio è l'agricoltura di precisione, un concetto di gestione delle colture site specific che utilizza un sistema di supporto decisionale basato sul monitoraggio, misurare e rispondere alla variabilità inter e intra-campo nelle colture. Ciò consente agli agricoltori di ottimizzare i loro rendimenti e preservare le risorse. Tali soluzioni di monitoraggio possono essere ottenute integrando dispositivi di rilevamento elettronici che registrano i dati nel suolo, l'ambiente o le colture. I dati possono quindi fornire informazioni utili per il processo decisionale, attraverso un processo chiamato analisi dei dati.

    L'obiettivo è quello di sfruttare al meglio il suolo in un determinato campo, controllare la cura delle colture e prendere decisioni informate sulla gestione dei prodotti dopo il raccolto.

    Siamo stati coinvolti nello sviluppo e nell'uso di sensori per aiutare a stabilire la qualità di un'ampia gamma di prodotti orticoli, compresi i frutti. Abbiamo utilizzato metodi di intelligenza informatica per rilevare i difetti e prevedere la qualità della frutta.

    La nostra ultima ricerca ha rilevato che le soluzioni basate sui dati presentano numerosi vantaggi. Ad esempio, possono aiutare a ridurre la perdita di frutta e verdura lungo la catena di approvvigionamento dall'azienda agricola al consumo.

    Il problema

    Frutta e verdura possono essere danneggiate prima, durante e dopo la raccolta, nonché durante lo stoccaggio. Questo è uno spreco. Alcuni decadimento e deterioramento sono causati da virus, fungo, batteri o microbi patogeni. I prodotti che sono ben confezionati o ammaccati sono più vulnerabili alle infezioni e non durano a lungo.

    Secondo l'Organizzazione delle Nazioni Unite per l'alimentazione e l'agricoltura, circa il 14% del cibo mondiale va perso dopo il raccolto e prima di raggiungere negozi e mercati. E circa un terzo del cibo mondiale va perso o sprecato. Ridurre al minimo le perdite e gli sprechi alimentari è fondamentale per creare un mondo a Fame Zero in cui più di 821 milioni di persone soffrono già la fame.

    La nostra ricerca ha riguardato la revisione del ruolo che l'analisi dei dati può svolgere nel rilevamento di difetti in frutta e verdura. Abbiamo scoperto che l'apprendimento automatico, la capacità dei computer di trovare modelli nei dati, fare previsioni e proporre decisioni senza essere esplicitamente programmati, supera di gran lunga i metodi tradizionali per la classificazione dei prodotti.

    L'apprendimento automatico ha ottenuto grandi risultati nel rilevamento delle malattie delle piante e dei frutti. Questi potrebbero essere estesi al monitoraggio della qualità della frutta e di altri alimenti. I sensori possono essere utilizzati per rilevare insetti e malattie in frutta e verdura, agendo come nasi o lingue elettroniche e misurando la composizione chimica. Possono anche misurare proprietà fisiche, come fermezza e acidità, per determinare la qualità del prodotto.

    L'accettabilità dei prodotti dipende dal colore, forma, dimensione, dolcezza, e non avere difetti come lividi e infestazioni di insetti. Questo è importante per la soddisfazione del cliente e per i ritorni che fanno produttori e fornitori.

    I dispositivi di rilevamento possono fornire dati su queste caratteristiche ad algoritmi informatici per l'analisi. Questi nuovi sviluppi nell'apprendimento automatico consentono di determinare e prevedere la qualità in modo rapido ed efficace nei prodotti freschi.

    Per esempio, tecniche di imaging sono state accoppiate con algoritmi di apprendimento automatico per rilevare lividi, lesioni da freddo e doratura in frutta come mele, pere e agrumi, e per rilevare vari difetti nei pomodori. Sono in fase di sviluppo applicazioni basate su smartphone da utilizzare nel riconoscimento della qualità dei piccoli frutti di bosco.

    L'apprendimento automatico riduce le perdite

    C'è un'attuale tendenza di ricerca globale volta a integrare dispositivi di rilevamento lungo la catena alimentare per monitorare e controllare continuamente gli indicatori di qualità. Abbiamo esaminato questa ricerca e trovato fasi in cui tali soluzioni vengono utilizzate nella catena alimentare. Questi includono:

    Monitoraggio del raccolto

    I sensori possono essere utilizzati per misurare le proprietà di frutta e verdura mentre crescono, come il colore, dimensione e forma. Tali informazioni aiutano a controllare le condizioni di crescita, come l'approvvigionamento idrico, e determina con precisione la migliore data di raccolta. Ciò riduce le perdite al momento del raccolto. Per esempio, alcuni piccoli agricoltori in Germania hanno utilizzato gli smartphone per controllare la qualità dei loro raccolti inviando immagini del raccolto per l'elaborazione da parte di esperti attraverso modelli di apprendimento automatico; il feedback viene quindi inviato agli agricoltori. Le aziende stanno sviluppando modelli per tenere traccia dei fattori ambientali come i cambiamenti climatici e prevedere come questi fattori influenzano la resa delle colture. Questo tipo di sostegno è rivolto in particolare agli agricoltori dei paesi in via di sviluppo.

    Monitoraggio della qualità post-raccolta

    Negli stabilimenti di confezionamento, i prodotti devono essere classificati e ordinati secondo standard di qualità per determinarne l'idoneità alle diverse destinazioni di consumo. I prodotti di esportazione devono essere conservati bene durante il trasporto a lunga distanza e sullo scaffale.

    Per i mercati rionali, dove il tempo di viaggio è più breve, i requisiti di qualità potrebbero essere di uno standard diverso. Per determinare se un prodotto è adatto all'alimentazione animale o al consumo umano, sensori specializzati effettuano misurazioni e generano dati per classificare, classificare e ordinare i prodotti in categorie.

    Monitoraggio della qualità del mercato

    I sensori possono anche essere integrati nei materiali di imballaggio che monitorano continuamente e segnalano lo stato del prodotto in tempo reale. Questi sensori possono essere abilitati a comunicare e inviare dati a un centro di comando. Monitoraggio, rilevare e separare i prodotti alimentari come la frutta fresca per classificare e rimuovere i prodotti non sicuri per soddisfare la domanda del mercato è fondamentale per garantire la redditività e mantenere la quota di mercato.

    Con l'aumento della popolazione mondiale, che dovrebbe superare i 9 miliardi entro il 2050, la sicurezza alimentare e nutrizionale è destinata a diventare una sfida ancora più grande, soprattutto nell'Africa subsahariana. L'automazione basata sui dati può contribuire alla soluzione.

    Questo articolo è stato ripubblicato da The Conversation con una licenza Creative Commons. Leggi l'articolo originale.




    © Scienza https://it.scienceaq.com