Movi-Q - Mobile visuelle Qualitätserkennung durch künstliche Intelligenz für die Ernährungsindustrie

Abstract

Im Forschungsprojekt Movi-Q wurde ein Demonstrator zur Erzeugung von Trainingsdaten für das direkte Lebensmittelumfeld entwickelt. Auf Basis dieser Trainingsdaten lässt sich auf Grundlage unterschiedlicher Erkennungssysteme eine KI-basierte optische Qualitätsbewertung mit anschließender Sortierung von Lebensmitteln realisieren. Weiterhin wurden ein Leitfaden zur Erzeugung von Trainingsdaten im Lebensmittelumfeld und eine einheitliche Datenpipeline mit Einbettung von Klassifizierungsmodellen entwickelt. Dies versetzt lebensmittelverarbeitende Unternehmen in die Lage, ohne spezifisches Fachwissen Daten hoher Güte zu erheben und so die Machbarkeit für eigene Produkte darzustellen. Innerhalb des Projektes konnte die Funktionalität der Klassifizierung und Sortierung anhand der Use-Cases Fleisch (Putenkeule und -schnitzel) und Kartoffel (geschält und ungeschält) validiert werden. Der Demonstrator ist dabei flexibel in der Produktion eines lebensmittelverarbeitenden Unternehmens einsetzbar. Datei-Upload durch TIB In the Movi-Q research project, a demonstrator was developed to generate training data for the direct food environment. Based on this training data, an AI-based optical quality assessment with subsequent sorting of food can be realised using different recognition systems. Furthermore, a guideline for generating training data in the food environment and a standardised data pipeline with embedded classification models were developed. This enables food processing companies to collect high-quality data without specific expertise and thus demonstrate the feasibility of their own products. Within the project, the functionality of classification and sorting was validated using the use cases of meat (turkey legs and escalopes) and potatoes (peeled and unpeeled). The demonstrator can be used flexibly in the production of a food processing company.