Réduire les rappels d'aliments avec AI-Dri

Une étude a révélé qu'un rappel d'aliments causé par une contamination bactérienne ou microbiologique coûte généralement 10 millions de dollars américains. Le problème actuel est que les problèmes de sécurité alimentaire surgissent souvent après que les produits ont déjà été expédiés, commercialisés ou, dans certains cas, ingérés. Les rappels d'aliments qui s'ensuivent ont un impact négatif à la fois sur l'économie et sur la réputation. Actuellement, les données générées par les équipements de transformation des aliments doivent parfois être interprétées par des personnes. Pour réduire l'incidence des maladies d'origine alimentaire dans ses activités, le secteur alimentaire a besoin d'une approche axée sur les données.

Étant donné qu'anticiper la qualité des aliments est essentiel pour maintenir des normes élevées de sécurité alimentaire, les systèmes basés sur l'IA ont été largement utilisés dans les applications de sécurité alimentaire. Un système de prévision des changements des conditions alimentaires a été développé en utilisant l'intelligence artificielle et l'apprentissage en profondeur. Il utilise un mode de détection alimenté par fréquence sans fil. Dans ce système, la puissance de radiofréquence à 915 MHz est appliquée pour détecter les conditions de gaz et d'humidité. Les données recueillies sur la composition et l'humidité des gaz sont utilisées dans le réseau d'apprentissage en profondeur pour prédire la qualité des repas. Il a été constaté que les variations de la qualité du poisson et du porc pouvaient être prédites avec une précision de 90,6 et 97,9 %, respectivement. La précision dépassera inévitablement 99 % à mesure que la technologie associée se développera.