¿Alguna vez te has parado frente a las manzanas expuestas en el supermercado tratando de elegir las mejores y te has preguntado: "¿Existe una aplicación para esto?"

Los modelos informáticos actuales basados ​​en el aprendizaje automático que se utilizan para predecir la calidad de los alimentos no son tan consistentes como la capacidad humana para adaptarse acondiciones ambientales.Aún así, la información recopilada en un estudio de la Estación Experimental Agrícola de Arkansas podría usarse algún día para desarrollar esa aplicación, así como para brindar a las tiendas de comestibles información sobre cómo presentar los alimentos de una manera más atractiva y optimizar los diseños de software para los sistemas de visión artificial utilizados en las instalaciones de procesamiento.

El estudio dirigido por Dongyi Wang, profesor asistente de agricultura inteligente y fabricación de alimentos en el departamento de ingeniería biológica y agrícola y del departamento de alimentos.cienciadepartamento, fue recientementepublicadoen elRevista de ingeniería de alimentos.

A pesar depercepción humanaAunque la calidad de los alimentos puede manipularse con iluminación, el estudio demostró que las computadoras entrenadas con datos de las percepciones humanas de la calidad de los alimentos hicieron predicciones más consistentes sobre la calidad de los alimentos bajo diferentes condiciones de iluminación.

"Al estudiar la confiabilidad de los modelos de aprendizaje automático, lo primero que hay que hacer es evaluar la confiabilidad humana", dijo Wang."Pero existen diferencias en la percepción humana. Lo que estamos tratando de hacer es entrenar nuestros modelos de aprendizaje automático para que sean más confiables y consistentes".

El estudio demostró que los errores de predicción por computadora se pueden reducir en aproximadamente un 20 por ciento utilizando datos de la percepción humana de fotografías bajo diferentes condiciones de iluminación.Supera a un establecidomodeloque entrena una computadora usando imágenes sin tener en cuenta la variabilidad de la percepción humana.

Aunque las técnicas de visión artificial se han estudiado y aplicado ampliamente en el campo de la ingeniería alimentaria, el estudio señaló que la mayoría de los algoritmos actuales se entrenan en base a "verdades fundamentales etiquetadas por humanos o información de color simple".Ningún estudio ha considerado los efectos de las variaciones de iluminación en la percepción humana y cómo los sesgos pueden afectar el entrenamiento de modelos de visión artificial para evaluaciones de la calidad de los alimentos, afirmaron los autores.

Los investigadores utilizaron lechuga para evaluar las percepciones humanas bajo diferentes condiciones de iluminación, que a su vez se utilizaron para entrenar el modelo informático.Las evaluaciones sensoriales se realizaron en el Centro de Ciencias Sensoriales de la estación experimental.Han-Seok Seo, profesor del departamento de ciencias de los alimentos y director del Centro de Ciencias Sensoriales, fue coautor del estudio.

De 109 participantes en un amplio rango de edades, 89 completaron las nueve sesiones sensoriales de la fase de confiabilidad de la percepción humana del estudio.Ninguno de los participantes era daltónico ni tenía problemas de visión.Durante cinco días consecutivos, los panelistas evaluaron 75 imágenes de lechuga romana cada día.Calificaron la frescura de la lechuga en una escala de cero a 100.

Las imágenes de lechuga que calificó el panel sensorial eran de muestras fotografiadas en el transcurso de ocho días para proporcionar diferentes niveles de dorado.Se tomaron con diferentes brillos de iluminación y temperaturas de color, desde un tono azulado "frío" hasta un tono anaranjado "cálido", para obtener un conjunto de datos de 675 imágenes.

Se aplicaron varios modelos de aprendizaje automático bien establecidos para evaluar las mismas imágenes que el panel sensorial, señaló el estudio.Diferentes modelos de redes neuronales utilizaron imágenes de muestra como entradas y fueron entrenados para predecir la calificación humana promedio correspondiente para imitar mejor la percepción humana.

Como se vio en otros experimentos en el Centro de Ciencias Sensoriales, la percepción humana decalidad de los alimentosSe puede manipular con iluminación.Por ejemplo, los colores ambientales más cálidos pueden disimular el dorado de la lechuga, explicó Wang.

Wang dijo que el método para entrenar computadoras basadas en visión artificial utilizando percepciones humanas bajo diferentes condiciones de iluminación podría aplicarse a muchas cosas, desde alimentos hasta joyas.

Otros coautores del estudio de la Universidad de Arkansas fueron Shengfan Zhang, profesor asociado de ingeniería industrial en la Facultad de Ingeniería;Swarna Sethu, ex investigadora postdoctoral en el departamento de ingeniería biológica y agrícola, y ahora profesora asistente de Ciencias de la Información Informática en la Universidad Estatal del Sur de Missouri;y Victoria J. Hogan, asistente de programa en el departamento de ciencias de los alimentos.

Más información:Dongyi Wang et al, ¿Es confiable la percepción humana?Hacia una predicción sólida de la frescura de los alimentos a partir de la apariencia de los alimentos: tomando como ejemplo la evaluación de la frescura de la lechuga,Revista de ingeniería de alimentos(2024).DOI: 10.1016/j.jfoodeng.2024.112179