Desarrollan aplicación con IA para identificar especie y frescura del salmón
Taiwán: Expertos crearon un modelo en base a deep learning capaz de distinguir entre salmón y trucha, y clasificar además, la frescura del producto mediante imágenes.
Published
En algunos países, el etiquetado incorrecto de especies de menor valor como productos premium, sigue siendo un problema generalizado que compromete la seguridad alimentaria en la industria acuícola, la confianza del consumidor y la supervisión regulatoria.
Un ejemplo es la sustitución del salmón del Atlántico por trucha arcoíris en supermercados y restaurantes de sushi, donde las similitudes visuales pueden confundir fácilmente a los consumidores.
Por otro lado, la frescura y calidad del salmón está estrechamente relacionada con atributos visuales como el color de la carne, el brillo y el marmoleado. A diferencia de las mediciones químicas o microscópicas, que requieren equipos de laboratorio, las señales visuales pueden evaluarse rápidamente mediante imágenes, lo que las hace especialmente relevantes para, por ejemplo, el consumidor.
Considerando ambos tópicos, científicos de Estados Unidos y Taiwán desarrollaron un sistema de detección basado en deep learning compatible con teléfonos inteligentes para la identificación de la especie y la clasificación de la frescura del salmón.
El software analiza las imágenes en tiempo real en dos etapas: primero, clasifica los tipos de carne de pescado y, posteriormente, clasifica la frescura del salmón en tres niveles según señales visuales
Según los expertos, los resultados experimentales muestran que el método de dos etapas supera al enfoque de una etapa y a varios modelos de referencia, “logrando una precisión robusta tanto en las tareas de clasificación como de clasificación”.
No obstante, los autores reconocen que el desenfoque, la inclinación de la cámara, las condiciones de iluminación y envase del del producto, pueden ser desafiantes para la entrega de resultados.
Luego de la fase experimental, los científicos se centrarán en ampliar y diversificar el conjunto de datos, integrar marcadores bioquímicos de frescura para mejorar la validez científica y probar el modelo en condiciones reales, como pescado envasado, iluminación de supermercados y diversos teléfonos inteligentes. También buscarán la validación externa con imágenes capturadas por el consumidor y la comparación con inspectores humanos.
“En general, el sistema propuesto representa una herramienta práctica y orientada al consumidor para la autenticación de productos del mar y la evaluación de la frescura, con potencial para mejorar la seguridad alimentaria y la protección del consumidor”, concluyeron los investigadores en cuanto a su desarrollo.
Lea el estudio completo titulado “A Deep Learning-Based Sensing System for Identifying Salmon and Rainbow Trout Meat and Grading Freshness for Consumer Protection”, aquí.
