Die deutsche Lebensmittelindustrie investiert jedes Jahr Aufwände in Höhe von € 350 Mio. für die Qualitätssicherung. Trotz dieser Anstrengungen erleidet die Branche jährlich Lebensmittelverluste in Höhe von über € 2 Mrd. Im Rahmen dieser Qualitätssicherung werden die Qualitätsattribute von Lebensmitteln wie das Säure/ Süße-Verhältnis, der Reifegrad, die Festigkeit usw. erfasst. Dies geschieht heutzutage z.B. mit Farbtabellen zur Abschätzung des Reifegrades und Metallschablonen zur Vermessung der Größe. Diese Ergebnisse werden aktuell nicht weiter ausgewertet, obwohl eine bestehende digitale Datenerfassung eine weitere Analyse mittels maschinellen Lernverfahren ermöglichen würde.

Ziel des Projekts ist es durch den Einsatz von modernen Messmethoden und KI die tatsächlichen Eigenschaften von Lebensmitteln entlang der Lieferkette, vom Produzenten bis zum Konsumenten, transparent zu machen.

FreshBW kombiniert das Praxiswissen der FreshIndex Cloud-Lösung der tsenso GmbH mit der Methodenkompetenz des Freiburger Zentrums für Datenanalyse und Modellbildung. Kernelement des Projekts ist die Entwicklung eines KI-Moduls auf Basis von Grey-Box-Modellen.

Diese Modelle vereinen die wissenschaftlichen Kenntnisse über Lebensmittel, traditionell in parametrischen Modellen formuliert mit den KI-Algorithmen der FreshIndex Lösung, um eine höhere Genauigkeit der Aussagen und eine Reduktion des Umfangs an kostspieligen Referenzmessungen bei der Modellerstellung zu erreichen. Die zu entwickelnden hybriden Grey-Box-Modelle werden exemplarisch am Beispiel von Schimmel auf Früchten kalibriert und in einem Praxistest validiert.

tsenso GmbH

Cloud Anwendungen, Big Data Pipelines (ETL), Machine Learning und Neuronale Netze, Spektroskopie und Hyperspectral Imaging im sichtbaren, ultra-violetten und infra-roten Lichtbereich, Entwicklung und Produktion von IoT Sensoren und Scannern, Betrieb der Cloud-Lösungen.

Universität Freiburg, FDM

Modellbildung für biologische Systeme, statistische Datenanalyse, maschinelle Lernverfahren, Quantifizierung der Modelunsicherheiten; experimentelle Analyseverfahren, Mikroskopie, Zellkulturen.