La inteligencia artificial llega a la cocina de la industria alimentaria

La inteligencia artificial llega a la cocina de la industria alimentaria
Compartir:

Máquinas que diseñan alimentos: el machine learning o aprendizaje automático se pone al servicio del consumidor para crear productos novedosos, adaptados a sus necesidades y más sostenibles

Todo parece indicar que el año 2023 será clave en el empleo de la inteligencia artificial en la industria de alimentos y bebidas. La empresa de investigaciones de mercado estadounidense Datassential señala que un 77 % de los consumidores afirma que estaría dispuesto a probar un producto “diseñado por ordenador”. Entre las aplicaciones emergentes están, según el centro tecnológico Ainia, el manejo de información por parte de ordenadores para el diseño de dietas totalmente personalizadas en función de las necesidades y los gustos de cada persona, y también la implementación de robots en las zonas de cultivo para dar un nuevo uso a la fruta caída en el suelo, entre otras.

Hay que remontarse al verano de 1955 —año en el que nacieron Bill Gates y Steve Jobs, enorme casualidad— para encontrar el primer uso del término inteligencia artificial. Fue el entonces joven profesor, John McCarthy, el que explicó en la Conferencia de Dartmouth, celebrada en la universidad norteamericana del mismo nombre, que la inteligencia artificial es el proceso de “aprendizaje” de las máquinas que les permite “usar un lenguaje, dar forma a abstracciones y conceptos y solucionar problemas reservados a los humanos”.

Pese a su carácter de definición primitiva, ese es el concepto de inteligencia artificial que ha pervivido, en su esencia, hasta nuestros días. En su conferencia ‘Inteligencia artificial en alimentos: tecnología clave‘, pronunciada en el FoodTech Summit & Expo celebrado en Ciudad de México, en diciembre de 2020, el estratega especializado en tecnología Peter Ros hacía referencia al machine learning como la herramienta más usada en el seno de la industria alimentaria.

Qué hace la inteligencia artificial en la industria alimentaria
“A través del machine learning podemos hacer cosas que antes eran imposibles debido a que los sistemas informáticos aprenden de los contextos que están viviendo, incorporan patrones de comportamiento e identifican grupos similares”, detalla David Martínez, jefe de desarrollo estratégico de negocio y alianzas con empresas de Ainia, centro tecnológico español que lleva a cabo distintas iniciativas para impulsar el uso de la inteligencia artificial en la industria alimentaria.

Una industria cada vez más abierta a estas innovaciones. Un informe de la consultora Facts and Factors de 2021 fija en un 45,7 % el aumento del uso de la inteligencia artificial en la industria de alimentos y bebidas hasta el año 2026. Y esto es a nivel global. El informe ‘El estado del Foodtech en España‘ revela que en 2022 el uso de inteligencia artificial se incrementó en más de 12 puntos respecto al año anterior en el sector del foodtech en nuestro país. Esto se debe a sus múltiples aplicaciones.

🥫 Mejorar productos que ya existen
Uno de sus usos principales tiene que ver con un empleo inteligente de la recopilación de datos. En la actualidad, hay más información que nunca: la encontramos en Internet, redes sociales… La inteligencia artificial es capaz de analizar miles de ingredientes a partir de distintas bases de datos e identificar sus características organolépticas y bioquímicas para determinar cuáles se pueden combinar entre sí de una mejor manera para conformar un producto determinado.

También es capaz de identificar qué ingredientes tienen unas características similares para sustituir uno u otro en una receta. Además, tiene la capacidad de hacer ese análisis y ofrecer los resultados de una manera muy rápida.

“Toda esa información se aplica en el desarrollo de nuevos productos, pero también en la modificación de algunos que ya existen con la intención de que sean mejores”, describe Martínez.

Un ejemplo de su uso en la industria alimentaria ha sido la de elegir el mejor sustituto para el aceite de palma. La inteligencia artificial no solo es capaz de detectar esa crisis de reputación de un ingrediente basada en millones de menciones en sitios web y redes sociales, sino que también es capaz de buscar entre miles de resultados de ingredientes cuál se puede aproximar más, desde un punto de vista sensorial, al aceite de palma y cambiarlo por otro.

🥫 Acercarse más a los gustos de los consumidores
Otro ejemplo: por su enorme capacidad de análisis, la inteligencia artificial puede detectar ingredientes de moda entre toda la información que podemos encontrar en Internet. “Pensemos en que hay muchas menciones a la chía; la inteligencia artificial da ese resultado y nosotros trasladamos a las empresas con las que colaboramos que hay un interés por parte del consumidor”, analiza Martínez.

Esto permite cambiar fórmulas para adecuarse mejor a la demanda del mercado y que, por ejemplo, una empresa lance unas galletas con semillas de chía para cubrir un nicho, beneficiándose porque son ventas y haciendo que el consumidor final encuentre un producto más adecuado a sus gustos.

mejorar alimentos con inteligencia artificial
🥫 Crear productos alimenticios nuevos
Otra aplicación de la inteligencia artificial para la que los expertos ven un futuro brillante tiene que ver con el desarrollo de un producto desde cero a partir de la combinación de ingredientes alternativos a los de origen animal. Es el proyecto Food Computing, un prototipo de algoritmo de formulación avanzado basado en técnicas de machine learning desarrollado por este centro de investigación.

En este sentido, este proyecto es una adaptación de la técnica que ya hemos visto anteriormente: la inteligencia artificial es capaz de identificar entre miles de ingredientes vegetales uno con unas características similares al ingrediente animal que se desea sustituir. Para ello, el algoritmo escoge entre millones de correlaciones en tiempo récord (algo imposible para el ser humano).

“A partir de esto, somos capaces de establecer fórmulas o recetas que permitan que un producto cárnico o lácteo pase a ser completamente vegetal, pero, al mismo tiempo, manteniendo sus propiedades y sus características organolépticas. Este será un campo en el que se alcanzarán grandes hallazgos en los próximos años y que permitirá dar un salto de gigante para satisfacer a un creciente número de consumidores que apuestan por una alimentación vegana o vegetariana”, resume Martínez.

🥫 Cocinar para nosotros
Este proyecto, que está dando sus primeros pasos, encuentra eco en otras iniciativas surgidas en diferentes partes del mundo. Un ejemplo es el de la empresa chilena NotCo, que emplea un algoritmo de inteligencia artificial —que tiene hasta nombre propio, Giuseppe—, para crear productos sustitutivos de la leche o de la carne a partir de ingredientes de origen no animal.

El chef virtual de NotCo recibe información en forma de datos y la analiza buscando coincidencias de sabor y textura. Después de que Giuseppe cree las recetas, estas se analizan en grupo por parte del equipo para dictaminar si la combinación de ingredientes recrea de manera fidedigna aquello que se pretende replicar.

Que una inteligencia artificial cocine para nosotros suena a ciencia ficción, pero solo es un uso extremadamente eficiente de información puesta al servicio de un consumidor ávido de seguir un nuevo modelo de alimentación sin ingredientes de origen animal.

🥫 Diseñar envases más atractivos
Pero el cliente de hoy en día no solo está en busca de alimentos más saludables, más innovadores o que se ajusten a su modelo de alimentación: también necesita que sean más atractivos. En un mundo en el que muchos consumidores eligen un refresco en función de su lata o se decantan por un aceite de oliva y no por otro según su envase, la inteligencia artificial también tiene mucho que aportar.

Un ejemplo es el de los zumos prensados en frío de la marca Freshkia, comercializados por la empresa española Comfresh. Para llegar al diseño definitivo del envase, esta compañía empleó el software de acceso libre DALL-E 2, que es capaz de crear imágenes a partir de palabras. Utilizándolo, han creado 11 diseños o “mundos creativos”, tal y como ellos mismos los denominan, uno por cada sabor.

Pero ¿cómo lo han hecho? “A partir de un enorme mapa de conceptos —como descripciones y valores de la marca— que se establecen previamente, la inteligencia artificial es capaz de crear conceptos muy atractivos a una velocidad vertiginosa, mucho más rápido de lo que lo haría un diseñador humano. Esta manera de trabajar permite incluso llegar a mundos creativos y soluciones que no te hubieras imaginado nunca”, explica Ruth Falquina, CEO de Estado Latente, agencia de tecnocreatividad responsable del proyecto. “Se trata del primer producto del mercado codiseñado con inteligencia artificial”, comentan desde la empresa.

El ejemplo del vino «inteligente»
¿Quién es el responsable de que un vino sea mejor o peor? ¿La viña o la bodega? Ni uno ni otro: en un futuro próximo, el principal causante de que un cava, un rioja o un albariño sea de mejor calidad podría ser la inteligencia artificial.

La bodega Raventós Codorníu lidera Alimente21, un consorcio en el que están presentes otras empresas como las cárnicas Aldelís y Prolongo y proveedores tecnológicos punteros como Mapex y Omron Iberia. En este proyecto conjunto la inteligencia artificial es la base para mejorar procesos productivos que reviertan en la calidad del producto. “Es, sin duda, el proyecto más avanzado en materia de aplicación de la inteligencia artificial en el sector de la industria alimentaria en nuestro país”, explica Vicenç Segales, responsable de Ingeniería y Mantenimiento de la empresa.

inteligencia artificial para hacer vino
🍇 Algoritmos para las uvas
Este proyecto consiste en implantar algoritmos de inteligencia artificial que nos dan información sobre cómo tratar la uva y cómo seleccionarla con el fin de mejorar la calidad de la materia prima que llega a la bodega y que, finalmente, permite obtener un mejor vino. Esa uva que llega en estado óptimo a la bodega también vuelve a verse beneficiada por el empleo de la inteligencia artificial.

“Hemos desarrollado, en colaboración con el Centro para el Desarrollo Tecnológico Industrial (CDTI), unos algoritmos que nos permiten mejorar el proceso de prensado para seguir sacando lo mejor de esa uva que llega del viñedo”, cuenta Segales. En el caso del prensado de la uva, se pueden poner unos parámetros determinados en la máquina que lo realiza. Sin embargo, una vez que comienza ese prensado, la uva puede no comportarse como estaba previsto: la inteligencia artificial se adapta y es capaz de regular en tiempo real la presión —aumentarla o reducirla— para conseguir el mejor mosto.

Finalmente, también se sirven de la inteligencia artificial para establecer controles de niveles que permitan que no haya defectos en las botellas ni cuerpos extraños. Esto se hacía antes con sistemas electrónicos y ahora a través de algoritmos. Esto permite que el vino se encuentre entre algodones en cada una de las partes del proceso de elaboración.

Eficacia sostenible
Además de buscar un vino mejor, hay otro gran beneficiado: el medio ambiente. “La inteligencia artificial nos permite mejorar la eficiencia energética. Esto nos beneficia a nivel interno, pero también de cara al consumidor, que nos percibe como una empresa mucho más sostenible”, afirma Segales.

Esto se consigue por dos caminos:

➡️ Mejorar la merma del producto
“La inteligencia artificial es capaz de controlar que el tapón se introduzca de manera correcta en la botella y ajustar desviaciones por desgaste del uso de la máquina en tiempo real. O controlar que la etiqueta esté bien puesta, corrigiendo una mala colocación o un funcionamiento deficiente de la máquina. Hay que pensar que esto ayuda a desperdiciar menos botellas y, por tanto, menos producto”, explican los responsables del proyecto.

➡️ Controlar la temperatura
La otra línea consiste en el control de temperatura para la fermentación del vino: “El sistema es capaz de acumular frío durante la noche cuando la temperatura baja, teniendo también en cuenta parámetros como la humedad, y aprovechar ese frío acumulado para las horas de más calor. Esto hace que seamos más eficientes desde un punto de vista energético, porque reducimos nuestra huella de carbono”, describe Segales.

Empresas más inteligentes para consumidores más inteligentes, por la vía de máquinas capaces de diseñar y crear mejores productos: el futuro ya está aquí y beneficia a todos.

Imagen: Getty Images

Fuente: consumerroski.es

Compartir:

Crean robot autónomo que vigila e inspecciona los cultivos

Crean robot autónomo que vigila e inspecciona los cultivos
Compartir:

Cuando pensamos en robots agrícolas, tendemos a imaginarnos cosas que recogen productos o aplican productos químicos. Pero el SentiV es diferente: está diseñado para detectar problemas en los cultivos, malas hierbas, plagas o enfermedades, mientras recorre los campos de forma autónoma.

Diseñado por la francesa Meropy, el SentiV prescinde de las tradicionales orugas de goma o ruedas con neumáticos que utilizan la mayoría de los robots agrícolas. Cómo alternativa, se mueve sobre ruedas de radios abiertos sin llanta. El objetivo de este sistema es ayudarle a sortear terrenos accidentados e irregulares y minimizar los daños a los cultivos cuando se desplaza por los campos.

SentiV: el robot autónomo que vigila e inspecciona los cultivos rodando por los campos
Los agricultores comienzan marcando las coordenadas del perímetro de su campo en un sistema informático. Cuando el SentiV está sobre el terreno, usa un módulo GNSS (sistema mundial de navegación por satélite) para determinar su posición con respecto a esos límites propuestos. Entonces, avanza y retrocede por el campo de un extremo a otro.

Mientras se desplaza por el campo, usa dos cámaras para obtener imágenes de las plantas desde dos puntos de vista: desde arriba, mirando hacia el follaje, y desde abajo, mirando hacia el envés de las hojas. La altura del robot puede ajustarse según las necesidades, simplemente intercambiando ruedas de diferentes tamaños.

Las imágenes se procesan prácticamente en tiempo real mediante algoritmos específicos basados en IA. Entre otras muchas especificaciones, alerta de la presencia y localización de problemas como malas hierbas, enfermedades y daños por plagas. También es capaz de detectar y avisar de si necesitan más fertilizante o agua, y monitoriza el crecimiento de las plantas.

Fuente: ecoinventos.com

Compartir:

¿Cómo funciona la agricultura de precisión?

¿Cómo funciona la agricultura de precisión?
Compartir:

La agricultura de precisión es una rama de la agricultura que está en boca de todos. Sensores, satélites, datos en tiempo real, monitorización, big data, teledetección, drones, GPS, software SIG, imágenes multiespectrales, mapeo de suelos, índices agrónomicos… todo un mundo tecnológico al servicio de un sector, que posiblemente sea de los más lentos a la hora de implantar estos sistemas. 

 La precisión llega a la agricultura

Todos los sectores productivos llevan años a la vanguardia de las nuevas tecnologías. El sector de la automoción, la industria alimentaria, la medicina, hace uso de las famosas TIC (tecnología de la información y la comunicación) para sacar mejores rendimientos, mejorar sus productos, ahorrar costes, reducir emisiones, salvar vidas (medicina)… Sin embargo, la agricultura, desde el salto a la maquinaria agrícola autopropulsada por motor de combustión, no había vivido una revolución tecnológica hasta el S.XXI con la agricultura de precisión.

¿Qué es agricultura de precisión?

Una definición extensa que se me ocurre sobre agricultura de precisión sería: Agricultura que hace uso de las TIC para la gestión de los cultivos obteniendo una gran cantidad de variables agronómicas que permitan un análisis más preciso de la situación del cultivo con el fin de optimizar al máximo los recursos, ahorrar costes, dosificar con gran precisión las aplicaciones de insumos (agua, fertilizantes, fitosanitarios…), sacar el máximo rendimiento y contribuir a la sostenibilidad de los sistemas agrícolas.

Quizá las haya más cortas, precisas y más o menos acertadas, pero así es como la entendemos en este blog. En resumen: es poner la tecnología de la información al servicio de agricultura para mejorarla, punto final.

¿Dónde está la barrera entre agricultura «convencional» y la llamada agricultura de precisión? 

No resulta muy complicado hacer esta distinción. Como se ha mencionado un par de párrafos más arriba, una de las revoluciones tecnológicas del S.XX en este sector fue la maquinaria autopropulsada por el motor de combustión.

Desde el primigenio tractor hasta las máquinas recolectoras más vanguardistas de hoy en día, no ha habido muchos más cambios —entiéndase cambios como algo de calado global; hablamos de revolución, no de evolución—.

¿Podríamos decir que agricultura de precisión es tener una estación meteorológica en un cultivo, o usar la información de las ya existentes para analizar patrones de clima en nuestra parcela y actuar en consecuencia? En cierta manera sí, solo en cierta manera, y aunque esto se lleva haciendo mucho tiempo, nunca se llamó agricultura de precisión. El término ha cobrado más sentido cuando se han ido añadiendo una gran cantidad de capas de información, obtenidas de diversas fuentes. Además, haciendo uso de esas capas, se consigue que «el laboreo» se haga en consecuencia a esa información.

agricultura de precisión

La explicación

Si mediante una imagen de satélite, sacando algún índice agronómico de su cámara multiespectral, conseguimos saber las necesidades de fertilización de un cultivo, ya no solo a nivel global, sino a nivel mucho más concreto, podremos aplicar una dosis de fertilizante variable según esos datos y ahorrar muuuuucho dinero en algo tan caro como un fertilizante. Esto sería una primera fase de la agricultura de precisión: La toma de datos, su análisis y la interpretación de los mismos.

Resulta evidente que estos resultados en forma de mapa de necesidades de fertilización deben ser interpretados por un software que lleve nuestra dosificadora para saber en cada momento, cuánto fertilizante echar según ese mapa. Todo ello guiado por GPS. Ahí ya, estamos consiguiendo la cuadratura del círculo y eso ya es agricultura de precisión seria. Esta fase sería una segunda fase: Toma de decisiones y ejecución en función de la primera fase .

Hay muchos más ejemplos pero hoy no es el día de entrar en ellos. Queremos dar una breve pincelada de todo esto para, en un futuro no muy lejano, meternos más en materia. A continuación comentaremos algunas de las técnicas que se aplican. En otros artículos posteriores nos meteremos a fondo en cada una de ellas.

¿Qué tecnologías hay?

Maquinaria de conducción autónoma guiada por GPS

En el ejemplo anterior es una de las tecnologías aplicadas al servicio de la agricultura, maquinaria que es capaz de cubrir una parcela según un plan preestablecido por el agricultor. El conductor, una vez en la parcela, sólo tiene que vigilar la telemetría del proceso para que todo vaya según el plan establecido. Y sí, hablo de telemetría, como en la Fórmula 1, la agricultura también tiene de eso hoy en día.

Imágenes de satélite y de drones

Las imágenes de satélite y de drones, son imágenes captadas por cámaras un poco especiales que sacan fotografías aéreas de los cultivos en espectros no visibles para el ojo humano, como el infrarrojo. Con los datos obtenidos de estas cámaras podemos conocer, por ejemplo, el estrés hídrico o el vigor de un cultivo y a partir de ahí tomar las decisiones pertinentes.

Los hay de iniciativa pública como Landsat (NASA), los actuales Sentinel (ESA) y privados (Quickbird, Deimos, Wordlview…). Actualmente los de mayor resolución son privados y la adquisición de imágenes es cara. De todas formas, la Agencia Espacial Europea (ESA) ha lanzado este año 2 satélites multiespectrales de bastante resolución, con bastante aplicación en la agricultura de precisión, pudiendo llegar a una resolución de 10m/pixel que resulta más que suficiente para analizar ciertos cultivos, cereales por ejemplo. La adquisición de imágenes de Sentinel es totalmente gratuita.

Una curiosidad al margen de la agricultura de precisión

Nos creemos que tenemos unos pocos satélites volando alrededor del globo (el METEOSAT, los del GPS, los de Google Earth y pocos más verdad?) Aquí te dejo un enlace a una web para que veas la cantidad de satélites y restos de cohete y basura espacial orbitando alrededor del globo que está acumulando la humanidad. ¡Es impresionante!

El mundo del drone está despertando y va cogiendo fuerza. Son muy útiles para un montón de disciplinas y la agricultura no se queda corta. Drones con cámaras multiespectrales, térmicas, LiDAR… que nos permiten una precisión que por ahora es imposible que un satélite nos pueda dar. Además no tenemos el efecto de las nubes ni hay que hacer tantas correcciones como en la foto de satélite (por la distancia y las interferencias de la atmósfera en la imagen). A misma resolución son más baratos que un satélite privado y nos aseguramos siempre la máxima calidad de imagen. Los últimos drones son capaces de cubrir más de un centenar de hectáreas en un solo vuelo.

agricultura de precisión

Sensorización en parcela

en realidad son estaciones meteorológicas (algo menos precisas que las que se utilizan para climatología) pero más baratas y específicas según nuestras necesidades. Sensores de humedad ambiental, temperatura ambiental, humedad y temperatura a distintos niveles de profundidad del suelo, pluviometría, dirección y velocidad del viento, radiación solar, humectación foliar, dendrómetros… un sin fin de parámetros que se pueden medir y almacenar en memorias que se vuelcan y sirven para estudiar estados del cultivo y su relación con variables agronómicas del cultivo, plagas, etc. Este tipo de información es muy útil para hacer predicciones de aparición de plagas, predicciones de estados fenológicos… ¿os acordáis del artículo de la integral térmica?; pues tiene mucho que ver.

Mapeo de suelo

Otra de las capas de información que podemos conseguir mediante una maquinaria específica. Este dispositivo se pasea por nuestra parcela y nos dice una gran cantidad de parámetros del suelo. El análisis de un suelo agrícola en laboratorio es caro y además son datos extraídos de un muestreo puntual en distintos puntos de parcela. Pero un suelo es mucho más complejo y cambiante de lo que parece y podemos tener mucha diferencia a 20 metros de distancia. Con estos mapas de suelo, tenemos información continua de toda la parcela con parámetros como pH, conductividad eléctrica, textura, macronutrientes principales (NPK).

agricultura de precisión

Big Data

La computación en la nube, el análisis de Gigabytes e incluso Terabytes de datos. Todos estos datos que recogemos de los diferentes sensores, imágenes, cuadernos de campo. Toda, absolutamente toda la información es útil, y sobre todo si es mucha la cantidad, ya que algoritmos estadísitcos más y menos complejos son capaces de sacar patrones de comportamiento que nos ayudan a tomar decisiones acertadas en cuanto a: momento y dosis de aplicación de fertilizantes y fitosanitarios, predicciones de cosecha, predicción de heladas, necesidades de riego en tiempo real e incluso accionamiento del riego automático en función de todos estos análisis… todo un mundo.

¿Es una panacea tal y como nos la están vendiendo

Pues como  todo, tiene su aplicación a muchos niveles. Cada tipo de tecnología (mapeo de suelo, drones, sensores…) dan diferentes capas de información que pueden sernos más o menos útiles dependiendo de nuestro objetivo, tamaño y tipo de cultivo y necesidades de optimización. Es una nueva agricultura mucho más tecnificada y desde luego traerá mejoras, ahorros al agricultor y un beneficio global que es una agricultura más sotenible. Esta agricultura está pensada para medianas y grandes superficies, donde la optimización de recursos tiene un papel más que fundamental.

agricultura de precisión

¿Podemos aplicar la agricultura de precisión a nuestro huerto o jardín?

Ajá! Como sabemos que muchos de nuestros lectores tienen pequeños huertos de autoconsumo, esta es una gran pregunta que tiene una ambigua respuesta. La primera es NO. No vamos a pasar un vuelo de drone por nuestra huerta, ni haremos un mapeo de suelo de una parcela de unos pocos cientos de metros cuadrados.

La otra respuesta es SI!, por supesto podemos sensorizar ligeramente un jardín o un huerto y eso sí podría ser introducir un poco de precisión en el manejo de nuestros cultivos o plantas ornamentales. Os ponemos un pequeño ejemplo:

Riego con aspersores en jardín y goteo en el huerto, gobernado por un programador de riego que lleva una sonda de humedad o sensor de lluvia y sólo regará días después de haber llovido o cuando la humedad del suelo caiga por debajo de un límite. ¡Ahí tienes agricultura de precisión en tu pequeño jardín!

Compartir: