La produzione alimentare è tra i settori industriali più grandi e più antichi: l’intelligenza artificiale sta contribuendo considerevolmente all’evoluzione e alla rivoluzione dell’industria del food, sia in termini di processo che in termini di prodotti.
Le nuove tecnologie di apprendimento automatico rappresentano un’opportunità per migliorare la qualità della produzione e renderla più sostenibile, contribuendo, nel contempo, a diminuire i costi. Grazie all’AI, i processi vengono automatizzati e l’intera filiera diventa più efficiente, partendo dalla produzione agricola fino ad arrivare alla distribuzione finale. Analizziamo l’impatto dell’intelligenza artificiale nel settore del food in quattro ambiti dove risulta disruptive: la sostenibilità, i processi decisionali, la gestione della qualità e la safety.
Sostenibilità
Considerando le disastrose condizioni in cui versa il nostro pianeta, la sostenibilità deve diventare una priorità anche nell’industria alimentare. L’intelligenza artificiale, unita a sensoristica avanzata a basso costo, ha le potenzialità di ridurre l’impatto ecologico della produzione di cibo grazie all’analisi dei Big data provenienti da tutta la filiera.
Una delle prime ottimizzazioni possibili riguarda lo spreco di risorse. Secondo un rapporto del Dipartimento dell’Agricoltura degli Stati Uniti d’America, la stima dello spreco arriva al 40% dell’intero approvvigionamento alimentare. Una quantità enorme di risorse allocate inutilmente, unite a una grande quantità di rifiuti evitabili generati ogni anno. L’applicazione di sistemi di intelligenza artificiale può cambiare questo andamento, fornendo informazioni che modificano sia i metodi tradizionali di allevamento che i metodi tradizionali di agricoltura.
La gestione dei campi diventa smart, grazie a reti neurali che analizzano i dati di sensori pensati per misurare temperature, umidità, i livelli di irraggiamento, fosforo, potassio, nitrogeno, e molte altre informazioni fondamentali. Così l’AI è in grado di fornire informazioni su quale sia la migliore strategia di gestione del terreno, su come organizzare senza sprechi l’irrigazione, su come e dove utilizzare la concimazione, e molto altro. Monitorare queste informazioni permette, inoltre, di creare modelli statistici per l’analisi preventiva e predittiva dell’andamento delle condizioni del suolo, un altro contributo fondamentale per ottenere la massima resa e la più alta qualità del prodotto finale.
L’utilizzo della Computer vision, branca dell’intelligenza artificiale che impiega camere ad alta risoluzione, migliora l’efficacia nell’esame del prodotto e dei trattamenti che riceve. La precisione e la velocità nell’identificazione di anomalie e nella classificazione dei prodotti riduce rapidamente lo spreco durante la lavorazione.
Infine, anche i sistemi di tracciamento degli alimenti basati sull’AI sono un altro strumento che consente di velocizzare la logistica e, quindi, di aumentare la vita utile del prodotto: un altro supporto al corretto utilizzo delle risorse del pianeta, che evita la trasformazione del cibo in rifiuto.
Decision Making
Il processo di scelta che guida le strategie aziendali si è fatto sempre più complesso e articolato. E quando crescono le dimensioni dell’industria, questa complessità tende a crescere esponenzialmente. L’intelligenza artificiale fornisce ai manager uno strumento di analisi rapido e molto accurato. Facciamo qualche esempio per capire qual è l’effettivo impatto del Machine learning sull’economia reale nel settore food.
La Fuzzy logic è un metodo che permette a una macchina di imitare e simulare il funzionamento del ragionamento umano. Questa tecnica di Machine learning è stata usata efficacemente nelle industrie di caffè, per garantire la tostatura costante dei chicchi, indipendentemente dal contesto. Sia l’ambiente che la natura stessa del chicco (peso, forma, umidità, etc.) possono influenzare pesantemente il risultato finale, quindi, prima dell’approdo dell’intelligenza artificiale, la filiera prevedeva un lungo e costoso intervento di un esperto umano per impostare correttamente tutti i parametri di lavorazione. Introducendo, invece, l’automazione, si ottiene un risultato qualitativamente superiore con un costo e una tempistica ridotti.
Coca-Cola, un altro gigante del settore del food, da anni sperimenta l’utilizzo spinto dell’intelligenza artificiale per gestire le decisioni relative al lancio di un nuovo prodotto. Ad esempio, durante una campagna pubblicitaria, Coca-Cola ha installato delle macchinette self-service che servivano bevande personalizzabili. Il cliente poteva scegliere la combinazione di sapori che preferiva, ottenendo un soft drink su misura. Tutti i dati raccolti sono stati registrati e dati in pasto ad algoritmi di Deep learning, che hanno elaborato strategie per lanciare nuovi prodotti di successo. La Sprite Cherry, ad esempio, è uno dei prodotti ancora poco diffusi in Italia, ma che sono frutto di questo tipo di analisi effettuata da intelligenze artificiali.
Le informazioni raccolte dalle sorgenti dati più varie sono utilissime all’industria per comprendere e tracciare le abitudini, le esigenze e gli interessi dei consumatori. L’industria del food è particolarmente influenzata da queste informazioni, quindi la corretta applicazione del Machine learning permette di prendere decisioni corrette, prevedendo i bisogni dei clienti e fornendo soluzioni soddisfacenti.
Controllo qualità e detection
Uno dei processi più dispendiosi dell’industria alimentare, sia in termini di risorse economiche che di tempo, è la classificazione e il confezionamento del prodotto finito. Questo compito è estremamente ripetitivo e monotono, quindi si presta perfettamente a essere automatizzato. Questa sfida tecnologica è stata accolta dai data scientist di tutto il mondo, che continuano ad affinare le reti neurali utilizzate per la detection, lo smistamento e il confezionamento basati sull’intelligenza artificiale.
I sistemi TOMRA sono un esempio di applicazione efficace di queste tecnologie per le attività di smistamento. Grazie a sensori ottici e camere HD, questi macchinari minimizzano l’uso di energia e riducono considerevolmente lo spreco, senza intaccare la qualità finale. L’AI è in grado di gestire anche prodotti estremamente variabili per forma, colore, peso e dimensioni: questo si traduce in un’elevatissima accuratezza (> 95%) delle decisioni di selezione effettuate in modo autonomo. Prendendo come esempio la filiera di selezione delle patate dalle zolle di terra e dalle pietre, l’utilizzo di un sistema di AI consente un recupero del prodotto del 5-10% maggiore rispetto all’utilizzo di tecniche tradizionali.
Un team di ricercatori giapponesi ha adattato la famosa libreria per la creazione di intelligenze artificiali TensorFlow alle linee di produzione nel settore alimentare. Questo sistema open source, correttamente applicato, ha fatto registrare prestazioni eccellenti, pur utilizzando sensori molto economici e facilmente reperibili. Abbattendo i costi per l’integrazione di tecnologie AI-Powered nel processo produttivo del food, si dà una notevole spinta all’adozione di queste ultime su larga scala.
Safety
Le linee guida internazionali per l’igiene e la sicurezza sanitaria durante la lavorazione degli alimenti sono particolarmente stringenti. Si tratta di una produzione industriale molto delicata, con rischi elevatissimi in caso di contaminazione. Di conseguenza, la prudenza nelle procedure non è mai troppa. Anche in questo caso a fare la differenza può essere un sistema di intelligenza artificiale addestrato allo scopo.
Un esempio concreto è il software sviluppato da KanKan in collaborazione con l’agenzia sanitaria municipale di Shanghai. Questa AI è in grado di rilevare il corretto utilizzo dei dispositivi di protezione (mascherine, guanti, copricapi, etc.), senza per questo ledere la privacy dei dipendenti. Grazie a questo monitoraggio in tempo reale, i processi che prevedono un intervento umano sono più semplici da controllare e proteggere.
Anche la corretta manutenzione e pulizia degli strumenti sono essenziali per garantire la sicurezza del prodotto finito. Diverse compagnie hanno sviluppato apparecchiature AI-Powered che riducono tempi e prodotti utilizzati nelle fasi di pulizia, garantendo un risultato efficace. Vengono utilizzati sistemi di visione ottica su vari spettri e una vasta gamma di sensori a ultrasuoni e laser. Le informazioni raccolte vengono elaborate da un sistema di Machine learning che valuta in modo molto preciso la quantità di cibo e detriti microbici rimasti all’interno della macchina. Questi controlli possono anche essere fatti in real time, attivando allarmi trasmessi a tutte le unità di produzione, per minimizzare le perdite e i fermi e migliorare la sicurezza dei prodotti alimentari elaborati.
I ricercatori inglesi della Nottingham University stanno lavorando a un sistema di sanificazione delle apparecchiature che utilizza sensori a ultrasuoni e ultravioletti per ridurre l’utilizzo di acqua in fase di pulizia dei macchinari e velocizzare le operazioni. I modelli di apprendimento automatico, in questo caso, vengono addestrati a riconoscere le incrostazioni e le impurità presenti nella macchina, e a valutare quando possono essere considerate rimosse da tutte le superfici.
Conclusioni
Nel fare impresa gli obiettivi principali restano sempre la qualità del prodotto finale e la riduzione dei costi. Nel settore del food l’intelligenza artificiale è uno degli strumenti più potenti per raggiungerli. Applicarla correttamente significa garantire ai consumatori un pianeta più pulito e un prodotto più buono, economico e sicuro.
Nel futuro più prossimo vedremo sistemi AI-Powered di decision making che conosceranno sempre meglio il consumatore e che personalizzeranno l’offerta, plasmandola sulla domanda, utilizzati nel settore del food. Vedremo applicazioni della Computer vision che velocizzeranno le linee produttive e ridurranno sprechi e rifiuti. Per un’industria rispettosa delle persone, dell’ambiente e soprattutto del futuro.
