En este proyecto de innovación agroalimentaria, desarrollamos un sistema de control de calidad no destructivo basado en inteligencia artificial. Por consiguiente, conseguimos analizar la fruta por dentro sin alterarla. Gracias a las imágenes hiperespectrales, la industria puede clasificar sus lotes de forma automática y con total fiabilidad.
Precisión en Análisis de Limones
Precisión en Análisis de Caquis
El reto: Evaluar el interior de la fruta sin dañarla
El gran desafío de la industria hortofrutícola radica en el desecho de muestras. Hasta ahora, conocer la madurez de un lote exigía abrir y destruir parte de la producción. Por lo tanto, necesitábamos un método alternativo. El objetivo principal consistía en diseñar un software capaz de ejecutar un análisis interno completo de forma instantánea, garantizando la integridad de cada pieza evaluada.
Análisis predictivo aplicado al cultivo del limón
Para empezar, centramos nuestros esfuerzos de visión artificial en la optimización del procesado de cítricos:
- Inspección interna sin apertura: En primer lugar, logramos detectar las propiedades internas del limón sin abrirlo. Para ello, empleamos cámaras de tecnología espectral avanzada.
- Propiedades químicas verificadas: En segundo lugar, el sistema determina con alta fidelidad los niveles de grados Brix, la acidez, los fenoles en piel y los fenoles en zumo de cada fruto.
- Aplicaciones comerciales directas: Como resultado, la industria consigue una clara reducción de desperdicios, optimiza su control de calidad y automatiza las líneas de clasificación.
Control de defectos internos y firmeza en el caqui
Por otro lado, adaptamos con éxito los modelos predictivos para resolver las particularidades del sector de los frutos de hueso y pulpa blanda:
1. Inspección óptica sin contacto físico
Para continuar, el algoritmo analiza los caquis evitando cualquier tipo de golpe o fricción. De esta manera, estimamos de forma precisa el nivel de firmeza del caqui sin necesidad de realizar un contacto físico invasivo que pueda devaluar el precio comercial del producto.
2. Detección de anomalías invisibles al ojo humano
Adicionalmente, el software identifica defectos internos y daños ocultos que pasan totalmente desapercibidos bajo la luz convencional. Gracias al espectro electromagnético ampliado, la IA separa las piezas dañadas antes de que entren en la cadena de envasado final.
3. Optimización del retorno de inversión (ROI)
Finalmente, al integrar esta solución en las plantas de procesado, se reduce drásticamente el error en la selección manual. Por consiguiente, los almacenes consiguen maximizar la vida útil de sus envíos internacionales y garantizan un estándar de calidad homogéneo muy valorado por las grandes cadenas de distribución alimentaria.
