Project

Call for partners: Beeldvorming en AI-modellen voor Fusarium-detectie in granen op transportbanden

Mycotoxinebesmetting in tarwe en maïs is een wereldwijde uitdaging voor de voedsel- en voederveiligheid. Als gevolg van de klimaatverandering wordt verwacht dat de geografische besmettingszone zich wereldwijd naar de noordelijke breedtegraden zal verplaatsen, ook in Noord-Europa. Mycotoxinebesmetting in kleinkorrelige granen kan leiden tot veiligheidsincidenten, gezondheidsproblemen bij mens en dier en economische verliezen. De schimmelgroei en de productie van mycotoxinen kunnen plaatsvinden tijdens de kritische groeistadia vóór de oogst, maar ook tijdens de opslag, het transport en de overslag na de oogst. In de hele toeleveringsketen kunnen zich vaak omstandigheden voordoen die de groei van schimmels bevorderen. Er is daarom een realiseerbaar, nauwkeurig detectie- en sorteersysteem voor schimmels/mycotoxinen nodig in verschillende stadia van de internationale graantoeleveringsketen, om de kwaliteit en veiligheid van voedsel en diervoer te garanderen en verspilling en economische verliezen te verminderen.

Doel

Het doel van het nieuwe project is het ontwikkelen van een prototype voor het monitoren en voorspellen van gevaren voor de voedselveiligheid (mycotoxine veroorzaakt door Fusarium spp. in granen) met behulp van multi-/hyperspectrale beeldvorming op een lopende band, gecombineerd met AI voorspellende modellen. Hierbij wordt gekeken naar de correlatie tussen het multi-/hyperspectrale beeld en de werkelijke mycotoxineconcentratie, gemeten via 'conventionele' laboratoriumanalyse. Uiteindelijk zal een dergelijke techniek effectieve en efficiënte monitoring/sortering post-harvest mogelijk maken en het veiligheids- en kwaliteitsbeheer voor zowel voedsel als diervoeder verbeteren.

Aanpak en scope

Het WUR-team (Wageningen Food Safety Research en Wageningen Food & Biobased Research) heeft ervaring met het ontwikkelen van mycotoxinevoorspellingsmodellen, het analyseren van spectrale beelden, objectdetectie met behulp van kunstmatige intelligentie en het opzetten van (robotische) prototypes voor na-oogsttoepassingen en voedselverwerking. In een lopend PPP-project genaamd “ToxinImage” hebben we met succes een algoritme ontwikkeld om met fusarium besmette wintertarwe-aren te scheiden van de gezonde exemplaren in het veld met behulp van hyperspectrale beelden. In het nieuwe project gaan we over op geoogst graan en gebruiken we een soortgelijk algoritme om met fusarium besmette tarwe- of maïskorrels op een lopende band te identificeren.

Het project zal naar verwachting leiden tot:

  • Kunstmatige Intelligentie-modellen voor schimmelvoorspelling in tarwe-/maïskorrels met behulp van spectrale beelden op een lopende band;
  • Prototype (TRL 4) van het gebruik van spectrale camera's, sensoren en Kunstmatige Intelligentie-modellen op transportbanden voor voedsel- en diervoederveiligheid en kwaliteitsmonitoring en -voorspelling;
  • Aanzienlijke vermindering van de kosten en tijd voor het voorspellen en beheersen van schimmels/mycotoxinen;
  • Toepasbare technologie voor elke regio en industrie die geïnteresseerd is in het beheer van fusarium-verontreiniging.

    Uitnodiging om mee te doen

    Bedrijven in de internationale graantoeleveringsketen, die hun kwaliteitsbeoordelings- en kwaliteitsborgingssystemen willen verbeteren voor een betere voedsel- en voederveiligheid en -kwaliteit, worden uitgenodigd om zich bij dit consortium aan te sluiten. Bedrijven die actief zijn in de graan-, voedsel- en diervoederproductie of die technologieën leveren op het gebied van spectrale beeldvorming zijn van harte welkom om zich bij dit consortium aan te sluiten.

    In aanvulling van 50% private in-cash en in-kind bijdragen (tijd, apparatuur, onderzoeksmateriaal) aan het project, zal 50% subsidie ​​van de Nederlandse overheid beschikbaar worden gesteld als WUR-onderzoekscapaciteit. Geïnteresseerden worden graag uitgenodigd hun ideeën te delen om richting te geven aan de gewenste onderzoeksactiviteiten in het voorgenomen voorstel.