L'évaluation de la qualité de la patate douce est cruciale pour les producteurs et les transformateurs, car ses caractéristiques influencent la texture et le goût, les préférences des consommateurs et la viabilité à différentes fins. Une nouvelle étude de l'Université de l'Illinois à Urbana-Champaign explore l'utilisation de l'imagerie hyperspectrale et de l'intelligence artificielle (IA) explicable pour évaluer les attributs de la patate douce.

"Traditionnellement, l'évaluation de la qualité est effectuée à l'aide de méthodes analytiques en laboratoire. Vous avez besoin de différents instruments pour mesurer différents attributs en laboratoire et vous devez attendre les résultats. Avec l'imagerie hyperspectrale, vous pouvez mesurer plusieurs paramètres simultanément. Vous pouvez évaluer chaque pomme de terre dans un lot, pas seulement quelques échantillons."

"L'imagerie spectrale est non invasive, rapide, précise et rentable", a déclaré Mohammed Kamruzzaman, professeur adjoint au Département de génie agricole et biologique (ABE), qui fait partie du Collège des sciences agricoles, de la consommation et de l'environnement (ACES). et le Grainger College of Engineering de l'Illinois.

L'étude fait partie d'une collaboration multi-États avec le ministère américain de l'Agriculture qui comprend des chercheurs du Mississippi, de Caroline du Nord, du Michigan, de Louisiane et de l'Illinois. Chaque université aborde différents aspects du projet; L'équipe de Kamruzzaman se concentre sur l'évaluation de trois attributs chimiques :la matière sèche, la fermeté et la teneur en sucres solubles (degré Brix) - qui affectent le prix du marché et si une pomme de terre convient au consommateur ou à la transformation.

Les chercheurs utilisent une caméra d’imagerie hyperspectrale visible proche infrarouge pour prendre des images de patates douces sous deux angles différents. L'analyse des images produit des données spectrales, qui sont utilisées pour identifier les longueurs d'onde clés et développer des cartes de couleurs qui affichent la distribution des attributs souhaités.

L’imagerie hyperspectrale est devenue un outil important dans la recherche agricole et agroalimentaire. Cependant, il génère une grande quantité de données qui sont traitées grâce au machine learning. C'est complexe et agit généralement comme une boîte noire dans laquelle les utilisateurs ne savent pas ce qui se passe.

"Nous combinons l'imagerie hyperspectrale avec une IA explicable, ce qui nous permet de comprendre les processus derrière les résultats. C'est un moyen de visualiser le fonctionnement des algorithmes d'apprentissage automatique, la manière dont les données d'entrée sont traitées et comment les fonctionnalités sont connectées pour prédire la sortie", a déclaré Md Toukir Ahmed, doctorant en ABE et auteur principal de l'article.

"Nous pensons qu'il s'agit d'une nouvelle application de cette méthode pour l'évaluation de la patate douce. Ce travail pionnier a également le potentiel d'ouvrir la voie à une utilisation dans un large éventail d'autres domaines de recherche agricole et biologique."

Les résultats peuvent aider les professionnels de l'industrie et les chercheurs à comprendre l'importance de différentes caractéristiques dans la prévision des attributs de qualité, ce qui conduit à une prise de décision plus éclairée et garantit la fourniture de produits de meilleure qualité aux consommateurs.

Kamruzzaman a déclaré que l'un des objectifs du projet multi-universitaire est de développer un outil que les transformateurs peuvent utiliser pour analyser rapidement et facilement des lots de patates douces afin d'en déterminer les caractéristiques et les attributs. À terme, les chercheurs pourraient créer une application mobile que les consommateurs pourraient utiliser à l'épicerie pour analyser la qualité des patates douces au point d'achat.

Les travaux sont publiés dans la revue Computers and Electronics in Agriculture. .