انقلاب هوش مصنوعی در صنعت غذا: از مزرعه تا سفره

کاربرد هوش مصنوعی در صنعت غذا: لذت طعم بهتر

صنعت غذا همواره در جستجوی راهکارهایی برای ارتقای کیفیت تولیدات خود بوده است. به عنوان مثال، بر اساس گزارش فوربس، همکاری اخیر شرکت IBM با McCormick، فعال در زمینه تولید ادویه، با هدف بررسی دقیق‌تر وضعیت ادویه‌ها در سطح جهانی و بهبود ترکیبات آن‌ها صورت گرفته است. این امر با بهره‌گیری از میلیون‌ها داده اطلاعاتی امکان‌پذیر شده است.

توسعه محصولات غذایی فرآیندی زمان‌بر است. با استفاده از هوش مصنوعی، می‌توان پایگاه‌های داده‌ای وسیعی از اطلاعات کشاورزی را با جزئیات دقیق و سرعت بالا ایجاد کرد. از یادگیری ماشینی می‌توان برای شناسایی مواد غذایی مغذی و ادویه‌ها و همچنین توسعه دستورهای پخت غذا استفاده نمود. پیشرفت این سیستم، فرصت‌های بسیاری را برای خلق و تهیه غذاهایی با طعم‌های نوآورانه و مطابق با ذائقه مخاطبان فراهم می‌آورد.

به نقل از نشریه Medium، هوش مصنوعی قادر است به تامین تقاضای رو به رشد جهانی برای غذا نیز کمک کند. اسلاوا کوریلیاک، مدیرعامل و بنیان‌گذار شرکت Produvia، معتقد است که تاثیر هوش مصنوعی بر موضوع تقاضای جهانی غذا به حدی است که احتمال کاهش چشمگیر گرسنگی در جهان وجود دارد.

او بیان می‌کند: «با استفاده از هوش مصنوعی می‌توان رشد، تولید، توزیع و مصرف غذا در سطح جهان را بررسی کرده و توصیه‌های مفیدی را برای فعالان این صنعت ارائه نمود.»

هوش مصنوعی و یادگیری ماشینی در صدها هزار عامل مختلف در صنعت غذا کاربرد داشته و به ثبات زنجیره غذایی کمک می‌کنند.

امروزه، استارتاپ‌های متعددی از این فرصت بهره می‌برند. برای مثال، پلتفرم Gastrograph AI خود را به عنوان بستری برای تولیدکنندگان مواد غذایی معرفی می‌کند و با استفاده از یادگیری ماشینی، علایق مشتریان در زمینه غذا و نوشیدنی را پیش‌بینی می‌نماید.

شرکت Whisk نیز خود را هوشمندترین پلتفرم غذا معرفی کرده و با بهره‌گیری از یادگیری عمیق، اجزا و گزینه‌های مختلف غذا را بررسی کرده و تبلیغات مرتبط تولید می‌کند.

همچنین، شرکت Pingwell با استفاده از بینایی کامپیوتر و یادگیری ماشینی، اطلاعات مرتبط را به فروشندگان مواد غذایی و داروخانه‌ها ارائه می‌دهد.

تحقیقات بسیاری در زمینه کاربرد هوش مصنوعی در صنعت غذا انجام شده است. از جمله این تحقیقات می‌توان به پروژه‌های پیش‌بینی میزان تولید مواد غذایی، بررسی تقاضا برای غذا، رتبه‌بندی علایق غذایی، تولید تصویر بر اساس دستور پخت و تولید دستور پخت بر اساس تصویر اشاره نمود.

دسته‌بندی و مرتب‌سازی مواد اولیه تازه برای تولید غذاهای آماده و کنسرو، فرآیندی زمان‌بر اما ضروری است. برای مثال، دسته‌بندی سیب‌زمینی به تولیدکننده کمک می‌کند تا بهترین نوع آن را برای تهیه سیب‌زمینی سرخ‌کرده و چیپس انتخاب نماید.

شرکت TOMRA Sorting Food با استفاده از بررسی‌های بصری و یادگیری ماشینی به تولیدکنندگان کمک می‌کند. دوربین‌های این شرکت از همان زاویه‌ای به مواد غذایی نگاه می‌کنند که مصرف‌کننده آن را می‌بیند و با تحلیل تصاویر، بهترین راهکار را ارائه می‌دهند. این روش به تولیدکنندگان در صرفه‌جویی در زمان و ارتقای کیفیت محصولات کمک می‌کند.

به طور کلی، هدف از به‌کارگیری هوش مصنوعی در صنعت غذا، ایجاد محیط زیست سالم‌تر، کمک به تولید غذای باکیفیت و قیمت مناسب و تسهیل توزیع بهینه آن است.