Machine Learning in agrifood

Machine Learning in agrifood

Van het monitoren van voedselkwaliteit van voedselproducten tot het oplossen van wereldwijde vraagstukken rond voedselveiligheid: er is een overweldigende hoeveelheid gegevens beschikbaar die agrofoodbedrijven kan helpen bij het nemen van weloverwogen beslissingen. Maar hoe vind je de juiste informatie in zo’n grote hoeveelheid feiten en cijfers? Wageningen Food & Biobased Research helpt bedrijven de relevante gegevens eruit te pikken en te analyseren voor het nemen van beslissingen.

Kunstmatige intelligentie

Kunnen we specifieke voedselproducten automatisch koppelen aan algemene voedingswaardegegevens? Wat zegt het aantal voedselveiligheidsincidenten in de wereld over trends waar een individueel voedingsbedrijf op moet anticiperen? Is het mogelijk om de kwaliteit van fruit te voorspellen op basis van teeltgegevens? Er is een toenemende hoeveelheid gegevens beschikbaar die kansen biedt voor de ontwikkeling van beslissingsondersteunende software. Geavanceerde kunstmatige intelligentie (AI), of machine learning, speelt een cruciale rol bij het ontsluiten en analyseren van deze gegevens. Een goed ontworpen AI-systeem herkent automatisch specifieke patronen in de gegevens, cruciaal voor de evaluatie van voedselveiligheidsrisico's of het voorspellen van kwaliteit.

Deep learning en Bayesiaanse netwerken

Wageningen Food & Biobased Research biedt kunstmatige intelligentie-methoden waarmee bedrijven gegevens kunnen analyseren en nieuwe algoritmen voor slimme software kunnen maken. We zijn experts in het combineren van methoden en tools van machine learning, waaronder statistisch leren, tekst data mining en deep learning. In agrifood zijn bestaande gegevens vaak niet meteen gebruiksklaar: er is specifieke product- en proceskennis nodig om ze te ordenen, te interpreteren en te analyseren. Wij bieden in eigen huis ontwikkelde semantische technologieën die bedrijven helpen dergelijke problemen te organiseren en op te lossen. We combineren onze kennis van machine learning met kennismodellering en een brede expertise in agrifood, die de hele productieketen beslaat. Dankzij deze unieke achtergrond kunnen wij innovatieve oplossingen bieden voor webapplicaties, smartphone-apps en geïntegreerde software systemen. We passen bijvoorbeeld Bayesiaanse Belief Networks toe om expertkennis en semantisch verrijkte datasets te combineren en zo slimme algoritmen te maken.

Slimme ketens, slim zoeken

Kwaliteitsvoorspelling van vers fruit en groenten waarmee leveranciers weloverwogen beslissingen kunnen nemen over opslag, transport en markten. Dit is de uitkomst van GreenCHAINge (2016-2019), een project gericht op het creëren van een slimme distributieketen. We passen machine learning toe om de productkwaliteit te voorspellen.

Boeren kunnen efficiënt zoeken naar innovaties in de land- en bosbouw met de slimme zoekmachine die we hebben ontwikkeld in VALERIE (2014-2017), een project met meer dan tien verschillende Europese partners. Informatie over nieuwe landbouwtechnieken is gewoonlijk moeilijk te vinden op internet. Het werk wordt voortgezet in FAIRshared, dat zich richt op digitale innovaties. De ontwikkeling van kassa's die producten herkennen aan hun vorm en kleur is nu mogelijk dankzij een machine-learning oplossing die we hebben ontwikkeld voor het Zweedse bedrijf ITAB (2008-2019). Het systeem herkent automatisch producten die via de supermarkt worden afgehaald, met een nauwkeurigheid van 99%, dankzij verschillende patroonherkenningstechnieken.