Procesamiento

Procesamiento inteligente de algas: la IA revoluciona el control de calidad

Foto del autor

By Milthon Lujan

Uso de la inteligencia artificial para clasificar las macroalgas cosechadas. Fuente: Gao, et al., (2024); Aquacult Int.
Uso de la inteligencia artificial para clasificar las macroalgas cosechadas. Fuente: Gao, et al., (2024); Aquacult Int.

Las algas, con su abundancia de nutrientes y beneficios para la salud, son una estrella en crecimiento en la industria alimentaria. Garantizar una calidad constante requiere una clasificación y un procesamiento eficientes; sin embargo, los métodos de procesamiento tradicionales, que a menudo dependen de la inspección manual, luchan por seguir el ritmo de la creciente demanda y los estándares de calidad. Aquí es donde interviene la tecnología de vanguardia, que ofrece una actualización revolucionaria.

Un nuevo estudio publicado por científicos de la Jimei University y del Fujian Provincial Key Laboratory of Food Microbiology and Enzyme Engineering aplicó la visión por computadora basada en el aprendizaje de transferencia profunda para identificar algas marinas inferiores, incluidas las de la tercera y cuarta cosecha y las algas impuras en este trabajo.

Inteligencia Artificial para clasificar las macroalgas

Las diferentes tecnologías de inteligencia artificial se vienen empleando en la investigación y la acuicultura de algas marinas para la identificación, estimación de biomasa, construcción de modelos para predecir la producción de biomasa, la identificación de enfermedades, etc.

Chen et al., (2022) utilizaron los métodos de aprendizaje automático para realizar el monitoreo de las macroalgas en la zona intermareal; mientras que Acebo et al., (2020) emplearon técnicas de minería de datos para desarrollar un modelo para predecir la producción de algas marinas.

READ  ITP obtiene biopolímeros de la piel del pescado

Detectar imperfecciones de las algas marinas

La calidad de las algas depende de la identificación de impurezas y de su recolección en el momento óptimo. Desafortunadamente, los procesos actuales son lentos, subjetivos y propensos a errores humanos. Imagínese clasificar miles de hebras delicadas, distinguiendo diferencias sutiles en textura y color: algo tedioso y propenso a errores.

Clasificar con precisión las algas según el período de cosecha, identificar la calidad inferior y detectar impurezas son cruciales para mantener la calidad y optimizar la velocidad de producción. Sin embargo, los métodos actuales a menudo carecen de la velocidad, precisión y objetividad necesarias para operaciones a gran escala.

Ingrese al aprendizaje profundo, el superhéroe de la IA

Esta investigación introduce un punto de inflexión: visión por computadora basada en el aprendizaje de transferencia profunda. Imagínese una Inteligencia Artificial entrenada con montañas de datos, equipada para reconocer incluso los matices más sutiles de las algas. Así es como funciona:

  • Modelos maestros: Los modelos de IA previamente entrenados como YOLOv8 y YOLOv5, perfeccionados en vastos conjuntos de datos visuales, forman la base.
  • Ajuste fino para la especificidad de las algas marinas: Estos modelos luego se «reprograman» para centrarse en los tipos específicos de algas e impurezas relevantes para la planta de procesamiento.
  • Clasificación y detección en tiempo real: El modelo entrenado analiza imágenes en vivo, clasifica automáticamente las algas según el período de recolección (incluida la identificación de las cosechas tercera y cuarta inferiores) y detecta cuatro tipos comunes de impurezas.

Los resultados: un salto cuántico en eficiencia y calidad

La investigación demuestra un éxito notable:

  • Aumento de la precisión: La clasificación de los períodos de cosecha logró una precisión superior del 93,5 %, una mejora del 16 % con respecto a los métodos tradicionales.
  • Detección de impurezas: YOLOv8n logró una sobresaliente precisión promedio promedio del 99,14% en la detección de impurezas.
  • Velocidad y eficiencia: Procesar una sola imagen toma apenas 4,3 ms, lo que garantiza un análisis en tiempo real en las líneas de producción.
  • Potencia compacta: Con modelos de menos de 6 MB, estos cerebros de IA son potentes y livianos.
READ  Macroalgas ayudan a combatir los cánceres colon rectal y de mamas

Beneficios para la industria del procesamiento de algas

Este estudio demuestra el inmenso potencial de la IA para revolucionar el procesamiento de algas. Los beneficios son numerosos:

  • Control de calidad mejorado: La inspección objetiva y automatizada garantiza productos de algas consistentes y de alta calidad.
  • Eficiencia de producción mejorada: Un análisis más rápido y preciso conduce a una mayor velocidad de procesamiento y rendimiento.
  • Beneficios económicos: La reducción de residuos, una mayor calidad y una producción más rápida se traducen en importantes ahorros de costos y ganancias de ganancias.
  • Industria de algas marinas más inteligente: Este estudio allana el camino para la automatización inteligente, impulsando a toda la industria hacia una mayor eficiencia y sostenibilidad.

Conclusión

Al adoptar la clasificación basada en inteligencia artificial, la industria de las algas marinas puede desbloquear una nueva era de eficiencia, sostenibilidad y calidad. Este estudio representa un paso significativo hacia el logro de esta visión, allanando el camino hacia un futuro más inteligente y sostenible para la producción de algas.

El estudio ha sido financiado por Natural Science Foundation of Fujian Province of China, National Key R&D Program of China y National Natural Science Foundation of China.

Contacto
Honghao Cai
Department of Physics, School of Science, Jimei University, Xiamen, Fujian Province, China
Email: hhcai@jmu.edu.cn

Referencia principal
Gao, Z., Huang, J., Chen, J. et al. Deep transfer learning-based computer vision for real-time harvest period classification and impurity detection of Porphyra haitnensis. Aquacult Int (2024). https://doi.org/10.1007/s10499-024-01422-6

Referencias complementarias

Acebo, J. G., Feliscuzo, L. S., & Romana, C. L. C. S. (2021). Model Development in Predicting Seaweed Production Using Data Mining Techniques. In Advances in Computer, Communication and Computational Sciences: Proceedings of IC4S 2019 (pp. 843-850). Springer Singapore.

READ  Bacterias causan el blanqueamiento de las macroalgas estresadas

Chen J, Li X, Wang K, Zhang S, Li J, Sun M (2022) Assessment of intertidal seaweed biomass based on RGB imagery. PLoS ONE 17(2): e0263416. https://doi.org/10.1371/journal.pone.0263416