Un nouvel outil d'IA peut prédire la maturité des avocats

Un nouvel outil d'IA développé par des chercheurs de l'Université d'État de l'Oregon utilise des images de smartphone pour prédire avec précision la maturité des avocats, réduisant ainsi potentiellement le gaspillage alimentaire et aidant les consommateurs à profiter de fruits parfaitement mûrs.

Des chercheurs de l'Université d'État de l'Oregon et de l'Université d'État de Floride ont développé un système d'intelligence artificielle qui utilise des images de smartphone pour prédire avec précision la maturité et la qualité interne des avocats.

Cet outil innovant, dont les détails sont publié dans la revue Current Research in Food Science, pourrait réduire considérablement le gaspillage alimentaire et aider les consommateurs et les détaillants à faire des choix plus intelligents quant au moment d'utiliser ou de vendre des avocats.

« Les avocats comptent parmi les fruits les plus gaspillés au monde en raison de leur surmaturité », a déclaré dans un communiqué de presse Luyao Ma, auteur correspondant et professeur adjoint au Département des sciences et technologies alimentaires de la Faculté des sciences agricoles de l'État de l'Oregon. « Notre objectif était de créer un outil permettant aux consommateurs et aux détaillants de prendre des décisions plus éclairées quant à la consommation ou à la vente d'avocats. »

L'équipe interdisciplinaire a formé son modèle d'IA en utilisant plus de 1 400 images d'avocats Hass prises par iPhone.

Le système d’IA a fait preuve d’une précision remarquable, prédisant la fermeté des avocats – un indicateur essentiel de maturité – avec une précision de près de 92 %, et distinguant les fruits frais des fruits pourris avec une précision de plus de 84 %.

Ces résultats témoignent de la robustesse du modèle, qui, selon les chercheurs, pourra être peaufiné à mesure que davantage d'images seront ajoutées. Ils envisagent d'étendre la portée de la technologie à d'autres types d'aliments, en exploitant l'IA pour évaluer la maturité et la qualité globale des aliments.

À l'avenir, l'équipe espère perfectionner cet outil afin que les consommateurs puissent l'utiliser à la maison et ainsi profiter de leurs avocats parfaitement mûrs. Cela pourrait éviter la déception fréquente de découvrir des taches brunes après avoir coupé un avocat.

Au-delà de l'usage domestique, cette technologie a des applications prometteuses dans les usines de transformation d'avocats, où elle pourrait optimiser les processus de tri et de calibrage. Par exemple, les lots identifiés comme plus mûrs pourraient être expédiés à des détaillants plus proches, minimisant ainsi les pertes pendant le transport. Les détaillants pourraient également bénéficier de cette technologie en priorisant la vente des avocats en fonction de leur maturité.

La recherche s’appuie sur des études antérieures qui ont utilisé des techniques d’apprentissage automatique pour évaluer la qualité des aliments.

« Pour surmonter ces limitations, nous avons utilisé des approches d'apprentissage profond qui capturent automatiquement une gamme plus large d'informations, y compris la forme, la texture et les modèles spatiaux pour améliorer la précision et la robustesse des prédictions de qualité de l'avocat », a ajouté le premier auteur In-Hwan Lee, doctorant au Département des sciences et technologies alimentaires.

L'intérêt de Ma pour les avocats s'explique par leur valeur marchande élevée et leur taux de gaspillage important. Elle a également noté un lien personnel avec eux, en tant que consommatrice assidue de toasts à l'avocat, souvent frustrée par l'imprévisibilité de la maturité du fruit.

Cette recherche aborde un problème mondial urgent : le gaspillage alimentaire. Environ 30 % de la production alimentaire mondiale est gaspillée. Face à ce problème, le ministère de l’Agriculture des États-Unis et l’Agence de protection de l’environnement des États-Unis se sont fixé comme objectif national de réduire de moitié le gaspillage alimentaire d’ici 2030.

« Les avocats ne sont qu'un début », a ajouté Ma. « Cette technologie pourrait être appliquée à plus grande échelle, aidant les consommateurs, les détaillants et les distributeurs à prendre des décisions plus éclairées et à réduire le gaspillage. »

Source: Oregon State University