Digitale Qualitätssicherung von Lebensmitteln

mittels KI und digitaler Zwillinge

Lebensmitteltransparenz in BW

Die deutsche Lebensmittelindustrie investiert jedes Jahr Aufwände in Höhe von € 350 Mio. für die Qualitätssicherung. Trotz dieser Anstrengungen erleidet die Branche jährlich Lebensmittelverluste in Höhe von über € 2 Mrd. Im Rahmen dieser Qualitätssicherung werden die Qualitätsattribute von Lebensmitteln wie das Säure/ Süße-Verhältnis, der Reifegrad, die Festigkeit usw. erfasst. Dies geschieht heutzutage z.B. mit Farbtabellen zur Abschätzung des Reifegrades und Metallschablonen zur Vermessung der Größe. Diese Ergebnisse werden aktuell nicht weiter ausgewertet, obwohl eine bestehende digitale Datenerfassung eine weitere Analyse mittels maschinellen Lernverfahren ermöglichen würde.

Ziel des Projekts ist es durch den Einsatz von modernen Messmethoden und KI die tatsächlichen Eigenschaften von Lebensmitteln entlang der Lieferkette, vom Produzenten bis zum Konsumenten, transparent zu machen.

FreshBW kombiniert das Praxiswissen der FreshIndex Cloud-Lösung der tsenso GmbH mit der Methodenkompetenz des Freiburger Zentrums für Datenanalyse und Modellbildung. Kernelement des Projekts ist die Entwicklung eines KI-Moduls auf Basis von Grey-Box-Modellen.

Diese Modelle vereinen die wissenschaftlichen Kenntnisse über Lebensmittel, traditionell in parametrischen Modellen formuliert mit den KI-Algorithmen der FreshIndex Lösung, um eine höhere Genauigkeit der Aussagen und eine Reduktion des Umfangs an kostspieligen Referenzmessungen bei der Modellerstellung zu erreichen. Die zu entwickelnden hybriden Grey-Box-Modelle werden exemplarisch am Beispiel von Schimmel auf Früchten kalibriert und in einem Praxistest validiert.

tsenso GmbH

Cloud Anwendungen, Big Data Pipelines (ETL), Machine Learning und Neuronale Netze, Spektroskopie und Hyperspectral Imaging im sichtbaren, ultra-violetten und infra-roten Lichtbereich, Entwicklung und Produktion von IoT Sensoren und Scannern, Betrieb der Cloud-Lösungen.

Universität Freiburg, FDM

Modellbildung für biologische Systeme, statistische Datenanalyse, maschinelle Lernverfahren, Quantifizierung der Modelunsicherheiten; experimentelle Analyseverfahren, Mikroskopie, Zellkulturen.

tsenso GmbHUniversität Freiburg

Innovation

Hybride Modelle

zur Temperatur und wasseraktivitätsabhängigen Keimungswahrscheinlichkeit und des Wachstums von Botrytis cinerea.

Digitaler Zwilling

Der erweiterte Digitale Zwilling für ausgewählte Beeren wird nicht nur die zeitliche Entwicklung der Qualität, sondern auch die Haltbarkeit voraussagen können.

NIR Spektrometer

für eine schnelle zerstörungsfreie Erfassung der Qualität von Obst und Gemüse und mögliche drohende Probleme durch Schimmelbildung (z.B. bei Beeren).

Wetterdaten

haben einen bedeutenden Einfluss auf die Qualität und Haltbarkeit von Lebensmitteln. Durch die Einbindung der offenen Daten des DWD – Deutschen Wetterdienstes können diese innverhalb der Platform genutzt werden.

Das FreshIndex System

vereinigt unterschiedliche digitale Ansätze zur Optimierung der Lebensmittel-Lieferkette unter einer Befläche, die dank international standardisierter Austauschformate leicht zu einzubinden ist.

Transparenz

Das System macht in beispielloser Weise die Qualität und Frische von Lebensmitteln transparent. Durch eine auf diesen Informationen aufbauende Planung kann der Lebensmittelverlust entlang der Lieferkette weitgehend minimiert werden.

Kontakt

Schreiben Sie uns:

info@tsenso.com

Oder rufen Sie an:

0711 1216 6829

Gefördert von