FreshTwin: Hybride Grey-Box-Modelle zur Bestimmung und Prognose der Qualitätsattribute am Beispiel von Lebensmitteln; Teilprojekt A, tsenso GmbH

Abstract

Das Projekt „FreshTwin“ verfolgte das Ziel, mittels innovativer Messmethoden und spezialisierten KI Modellen die Bestimmung und Prognose der Qualitätseigenschaften frischer Lebensmittel zu verbessern und teilweise zu automatisieren. Dank dies derzeit noch nicht verfügbaren Qualitätsdaten sollen Produzenten und Händler künftig bessere, datenbasierte Entscheidung zur Steuerung der Logistik sowie in der Warenannahme treffen können, so dass diese weniger Verluste durch die Abschreibung vorzeitig verdorbener Lebensmittel erleiden. Ausgangspunkt des Projekts waren einerseits die innovativen, hyperspektralen Lichtfeldkameras (im Folgenden Hyperspektrale Kameras: HSK) der Cubert GmbH (CUB) sowie mehrere Vorarbeiten der Konsortialpartner im Bereich des Lieferketten Trackings (benelog GmbH, BENE), der Modellierung der mikrobiologischen Eigenschaften von Lebensmitteln (Universität Freiburg, UFR) sowie die bestehende Big Data Plattform der tsenso GmbH (TSN) zu Ausführung komplexer KI Modelle entlang der Lieferkette.