Konec plýtvání jídlem za 58 miliard dolarů: Chytré senzory a AI sledují čerstvost potravin v reálném čase

Kanada ročně vyhodí potraviny v hodnotě přibližně 58 miliard dolarů, přičemž velká část tohoto odpadu pochází z neobjevené zkázy.

Kanada ročně vyhodí potraviny v hodnotě přibližně 58 miliard dolarů, přičemž velká část tohoto odpadu pochází z neobjevené zkázy. S rostoucími cenami potravin, které za posledních pět let vzrostly až o 27 procent, a dodavatelskými řetězci pod tlakem, je pro Kanadu klíčové najít lepší způsoby, jak snížit plýtvání a zajistit kvalitu rychle se kazících potravin.

Současný systém se spoléhá na data spotřeby, která jsou stanovena na základě testů trvanlivosti v ideálních skladovacích podmínkách. Tato data však neodrážejí skutečné zacházení s potravinami, jejich skladování ani jejich čerstvost v reálném čase. V důsledku toho se potraviny často vyhazují předčasně z preventivních důvodů, nebo se naopak drží déle, než je jejich skutečná čerstvost, protože rané známky zkázy nejsou lidským okem viditelné. Tato mezera mezi skutečnou čerstvostí a tím, co mohou spotřebitelé vidět nebo změřit, vede k obrovskému množství zbytečného odpadu. Mezi hlavní příčiny patří špatné zacházení s teplotou během přepravy, nevhodné skladovací podmínky a přerušení chladicího řetězce, což je obzvláště závažné u ovoce, zeleniny, mléčných výrobků a masa. Dlouhé přepravní vzdálenosti v Kanadě tato rizika ještě zvyšují.

Vědci Md Masuduzzaman a Elkafi Hassini z DeGroote School of Business na McMaster University vyvinuli systém nazvaný FreshTrack, který tuto mezeru přímo řeší. FreshTrack generuje dynamické skóre čerstvosti nepřetržitým sledováním teploty a vlhkosti pomocí senzorů internetu věcí. Tyto senzory dokážou monitorovat teplotu, vlhkost a kvalitu vzduchu uvnitř nákladních vozidel, skladů a prodejních prostor. Systém modeluje rychlost zkázy a mikrobiálního růstu v průběhu času na základě těchto environmentálních údajů a poté kategorizuje potraviny podle úrovně čerstvosti, aby poskytl distributorům přesnější informace. V kombinaci s analýzou obrazu založenou na umělé inteligenci dokážou senzory detekovat změny, jako jsou posuny barev nebo změny povrchu, což umožňuje pracovníkům s potravinami jednat dříve. Například pokud chladírenský vůz s bobulemi zaznamená přes noc teplotní špičku, senzory mohou problém okamžitě signalizovat, což umožní přesměrování zásilky nebo její dřívější prodej namísto pozdějšího vyřazení.

Sledování čerstvosti pomocí senzorů je užitečné pouze tehdy, pokud se rychle se kazící potraviny skutečně dostanou k lidem, kteří je potřebují. Tento problém řeší digitální platforma CrowdFeeding, kterou rovněž vyvíjejí na McMaster University. Platforma umožňuje poskytovatelům potravin nabízet přebytečné jídlo a ve spolupráci s potravinovými bankami podporuje přímé spojení mezi dárci a příjemci, čímž obchází sklady potravinových bank. V první fázi pilotního projektu obdrželo 35 domácností v Hamiltonu dodávky po dobu šesti týdnů ve spolupráci s Mishka Social Service, organizací provozující halal potravinovou banku. Další fáze pilotního projektu bude monitorovat čerstvost rychle se kazících potravin pomocí senzorů během skladování a distribuce, přičemž Eastern Food Market a Mishka Social Service budou propojeny prostřednictvím platformy. Toto úsilí má za cíl zlepšit bezpečnost potravin, podpořit rychlejší redistribuci a snížit plýtvání potravinami v místních komunitách.