Künstliche Intelligenz zur nachhaltigen Qualitätssicherung frischer Lebensmittel

Das Projekt entwickelt ein multimodales KI-Assistenzsystem zur automatisierten Qualitätsüberwachung von Obst und Gemüse im Lebensmitteleinzelhandel.

Ziel ist es, durch den Einsatz von Edge-AI (lokale KI-Analyse direkt am Regal) und Federated Learning (dezentrales KI-Training zum Schutz der Kundendaten) Umweltfaktoren dynamisch zu integrieren und klassische Labortests zu ersetzen. Verfahren des maschinellen Lernens, wie Transformer-Architekturen und multimodale Foundation Models, sollen auch bei kostengünstiger Sensorik eine hohe Genauigkeit sicherstellen. Zudem werden erklärbare und vertrauenswürdige KI-Methoden entwickelt, um eine robuste und nachvollziehbare Frischebewertung zu gewährleisten.

Mit Hilfe intelligenter Bilderkennungssysteme werden optische Daten erfasst und die Qualität der Produkte bewertet. Zudem werden kompakte Gassensoren direkt in den Obstkisten eingebracht, um flüchtige organischer Kohlenwasserstoffe (VOCs) zu erfassen. Durch die Kombination der beiden Ansätze sollen präzise Vorhersagen zur Warenqualität ermöglicht werden, damit trägt das Projekt zur nachhaltigen Nutzung wertvoller Ressourcen bei und hilft Einzelhändlern, kosteneffizienter zu arbeiten.

Das Projekt möchte mit seiner Forschung einen Beitrag zur Reduzierung von Lebensmittelverschwendung durch Verderb im Groß- und Einzelhandel leisten.