Model AI Uniwersytetu NTU Przewiduje Psujność Żywności w Celu Redukcji Strat w Singapurze

Nanyang Technological University w Singapurze (NTU Singapore) opracowała zaawansowany model sztucznej inteligencji (AI) mający na celu precyzyjne prognozowanie tempa wzrostu bakterii w różnorodnych produktach spożywczych. Ta technologia ma dostarczać sprzedawcom detalicznym i hurtownikom dokładne wytyczne dotyczące rzeczywistego okresu przydatności do spożycia, optymalizacji warunków magazynowania oraz zarządzania zapasami, co jest kluczowe dla ograniczenia marnotrawstwa żywności w aglomeracji singapurskiej. Projekt jest rozwijany w Future Ready Food Safety Hub (FRESH@NTU), wspólnym centrum badawczym NTU, Singapore Food Agency oraz Agencji Nauki, Technologii i Badań (A*STAR).

Proces szkolenia modelu AI koncentruje się na dogłębnej analizie zachowania drobnoustrojów, takich jak Salmonella, w zmiennych warunkach środowiskowych panujących w żywności, uwzględniając temperaturę, kwasowość, poziom soli i konserwantów. Model uczy się korelacji między tymi czynnikami a tempem psucia się produktu, co pozwala szacować moment, w którym żywność przestanie być bezpieczna do obrotu. Profesor William Chen, Dyrektor Wykonawczy FRESH@NTU, wskazał, że eksperymenty wykazały silną zgodność prognoz AI z faktycznym zachowaniem bakterii w realnych próbkach żywności, potwierdzając potencjał systemu do monitorowania mikrobiologicznego. Podejście to może uzupełniać istniejące wytyczne bezpieczeństwa żywności, pomagając firmom w zarządzaniu ryzykiem psucia się produktów przy jednoczesnym utrzymaniu standardów bezpieczeństwa.

Implementacja tej technologii może generować znaczące korzyści biznesowe i środowiskowe. Przewidywanie modelowania może umożliwić optymalizację wykorzystania chłodnictwa, co potencjalnie przyniesie oszczędności w kosztach energii elektrycznej, ponieważ zmiana temperatury o jeden stopień może skutkować redukcją zużycia prądu. W kontekście Singapuru, który importuje ponad 90 procent swojego zaopatrzenia w żywność, dokładniejsze śledzenie daty ważności może zmniejszyć potrzebę częstej wymiany zapasów, wspierając ogólnokrajowe cele bezpieczeństwa żywnościowego. Tradycyjne metody określania daty ważności, oparte na stałych datach, często prowadzą do utylizacji wciąż jadalnej żywności lub spożywania produktów zepsutych.

Kluczowym elementem komercjalizacji tej technologii jest jej wdrożenie w praktyce rynkowej. Sieć supermarketów Sheng Siong jest w zaawansowanych rozmowach z NTU w celu przetestowania innowacyjnego modelu, a planowane próby mają rozpocząć się w drugiej połowie 2026 roku. Sheng Siong, trzeci co do wielkości detalista spożywczy w kraju, aktywnie inwestuje w optymalizację operacyjną i technologie cyfrowe. Wcześniej sieć, kierowana przez Lim Hock Chee, angażowała się w inicjatywy zwiększające przejrzystość cen dla konsumentów, co świadczy o zaangażowaniu w efektywność operacyjną.

Globalnie, platformy predykcyjne oparte na AI, często łączone z sieciami czujników Internetu Rzeczy (IoT), analizują dane środowiskowe w całym łańcuchu dostaw, aby przewidywać pozostały okres przydatności do spożycia. Modele te, trenowane na historycznych zbiorach danych, generują zalecenia dotyczące optymalnych warunków przechowywania. Ograniczeniem dla szerszego wdrożenia pozostaje problematyka dostępności i jakości danych oraz koszty implementacji. Niemniej jednak, to podejście stanowi znaczący krok naprzód w stosunku do tradycyjnych metod opartych na analizach laboratoryjnych, wpisując się w dążenia Singapuru do osiągnięcia statusu Narodu Zero Waste.