La Inteligencia Artificial gana terreno en la implementación de la seguridad alimentaria siendo capaz de aunar en una única herramienta lo último en múltiples tecnologías existentes para, por ejemplo, afinar al máximo la detección de cuerpos extraños y contaminantes en el envasado de alimentos.

Una de las máximas exponentes en la aplicación de la IA para mejorar la seguridad alimentaria es la compañía alemana Sesotec, cuyo responsable para España y Portugal, Yassir Basheer, ha explicado a EFE en qué consisten sus avances tecnológicos.

Sesotec tiene “muy desarrollada” la IA en detectores de metales y están iniciando el uso para rayos X, que promete “buenos resultados”.

Ha indicado que hasta ahora la industria generalmente usa máquinas para seguridad alimentaria cuyo fin es detectar cuerpos extraños pero con la limitación de que suelen centrarse en la detección sólo por densidades o por conductividades y puede haber confusiones si se señala como alimento lo que es un contaminante.

Por ejemplo, una empresa dedicada al envasado de verduras frescas puede estar interesada en detectar restos ínfimos de plástico desprendido de mangueras de riego pero el plástico y la verdura tienen densidades muy parecidas por lo que solo un escaneo con rayos X no lo distinguiría.

Otro cliente puede tener interés en hallar hilos o pequeñas agujas en carne; la aguja está hueca por dentro, tiene una densidad “muy baja” y puede ser “fácilmente confundible con cualquier otro producto”.

La solución en esos casos sería buscar por formas (una aguja, por ejemplo, se detectaría como una línea recta entre los trozos de carne).

La clave que aporta la IA es la posibilidad, en una sola máquina, de aunar lo último disponible en varias tecnologías (detección por formas, conductividad o densidad) y, además, ir reaprendiendo conforme hace análisis para afinar aún más el modelo, según ha señalado Basheer.

También se puede entrenar a la IA para que distinga entre lo que es el alimento y el envase que lo contiene porque las máquinas actuales pueden descartar el producto al detectar la presencia de aluminio que, en este caso, está permitido al ser sólo el aluminio del envase y por lo tanto inocuo.

Una de las compañías alimentarias interesadas en este asunto es Pepsico.

Fuentes de la compañía han detallado a EFE que su equipo de Global Agro está desarrollando herramientas analíticas para ofrecer “snacks” de calidad.

Como ejemplo de ello tienen proyectos de mejora del conocimiento que estudian, mediante datos históricos, cómo ciertos factores de manejo de campo (y también de almacén) influyen en la productividad y la calidad final de la patata.

Para ello, entrenan con IA modelos de aprendizaje que permiten estimar el margen de mejora en productividad (o en calidad) dadas ciertas recomendaciones en factores, como la variedad de patata, el riego, la fertilización o la plantación.

Para Pepsico, la IA, junto a la digitalización agraria y la colaboración experta de agrónomos, le permite “refinar progresivamente” sus prácticas de cultivo “y seguir ofreciendo snacks de calidad”.

Desde el centro tecnológico Ainia, su jefe de Desarrollo Estratégico de Negocio Digital y Alianza, David Martínez, ha asegurado que las empresas de alimentación se enfrentan a retos nuevos que hacen “cada vez más complejo” garantizar la seguridad alimentaria.

Desde Ainia, están impulsando proyectos centrados en la seguridad alimentaria para “cambiar el paradigma” con el fin de “pasar del concepto de reacción ante un problema al de prevención” del mismo, que es “mucho más eficiente y económico”.

Es ahí donde “la inteligencia artificial y otras tecnologías -como los espacios de datos- cumplen un papel fundamental” porque permiten “monitorizar los distintos procesos productivos en la cadena” alimentaria e intercambiar información hasta “identificar riesgos de manera temprana o precoz” y conseguir así un “nuevo paradigma en seguridad alimentaria”.

En ese sentido, uno de los proyectos que han impulsado es Predimic, que está en sus últimas etapas de desarrollo tecnológico y cuyo objetivo es obtener una herramienta que estime el riesgo de contaminación microbiológica en tiempo real en la industria alimentaria, utilizando modelos predictivos basados en la IA.

El sistema monitoriza el proceso de fabricación del alimento de tal forma que “cuando se dan circunstancias que puedan hacer proliferar un organismo patógeno, el sistema lo identifica e informa a los responsables” para que actúen “antes de que se desarrolle el problema”. EFEAGRO