از مزرعه تا میز غذا: کاهش ضایعات مواد غذایی با استفاده از یادگیری ماشینی

گزارش 2021 IPCC ، تغییرات آب و هوایی که انسان عامل آن است و آسیبی که این مسئله به سیاره زمین وارد می کند را شرح می‌دهد. تولید مواد غذایی عامل اصلی تغییرات آب و هوایی است که باعث تغییرات کاربری زمین، انتشار دی‌اکسید‌کربن (CO2) و آلودگی زباله در هر مرحله از مزرعه تا میز غذا می‌شود.

با این وجود، ما سالانه 1.3 میلیارد تن مواد غذایی را در جهان به هدر می‌دهیم. این مقاله که بخشی از مجموعه‌ای است که به بررسی مسائل مطرح‌شده توسط گزارش IPCC می‌پردازد، این سوال را مطرح می‌کند که آیا می‌توان به کمک یادگیری ماشینی از هدر رفتن مواد غذایی جلوگیری کرد؟ حال بپردازیم به این مسئله که ضایعات مواد غذایی چگونه به تغییرات آب و هوایی کمک می کند؟

تولید مواد غذایی مهم‌ترین علت تغییرات آب و هوایی ناشی از انسان است، به طوری که 30 درصد از کل گازهای گلخانه ای موجود در جو ناشی از تولید مواد غذایی است. تولید مواد غذایی بیش از هر کشوری در جهان به جز ایالات متحده آمریکا و چین منجر به انتشار CO2 می شود.

با این وجود 30 درصد از غذایی که در سراسر جهان تولید می‌شود حتی خورده نمی‌شود. در سراسر جهان، تقریباً 1.8 میلیارد تن مواد غذایی هر ساله به هدر می‌رود و این مقدار قابل توجهی از ضایعات مواد غذایی مسئول بخش عظیمی از انتشار کل CO2 ما می‌باشد: 8٪.

در کشو‌های کم درآمد، به دلیل زیرساخت‌های ضعیف، مواد غذایی قبل از اینکه غذا به دست مصرف کننده برسند، بیشتر هدر می‌روند. از سوی دیگر، در کشورهای با درآمد بالا، مصرف کنندگان در بیشتر ضایعات مواد غذایی مقصر هستند. در کانادا، 47 درصد از کل ضایعات مواد غذایی پس از خرید، 53 درصد در اروپا و 70 درصد در بریتانیا به هدر می‌رود.

چگونه یادگیری ماشینی و هوش مصنوعی می‌توانند ضایعات مواد غذایی را کاهش دهند؟

در کشو‌های با درآمد متوسط و بالا که مصرف‌کنندگان بیشتر مقصر ضایعات مواد غذایی هستند، پذیرش بیشتر فناوری‌های اینترنت اشیا (IoT) می‌تواند به کاهش ضایعات مواد غذایی کمک کند. مصرف‌کنندگانی که حسگ‌های هوشمند در یخچال‌ها و انبارهایشان دارند، می‌توانند خرید غذای خود را خودکار کنند، یادآوری‌ها، آلارم‌ها و یا زنگ های مبتنی بر حسگر را تنظیم کنند تا بدانند چه زمانی غذا باید خورده شود تا بتوان در هزینه‌های غذا صرفه‌جویی کنند.

کمک به اینترنت اشیا و مانند این می‌تواند به سمت یادگیری ماشینی هدایت شود تا به مصرف‌کنندگان کمک کند تا بهترین تصمیمات ممکن را برای خود و امور مالی خود بگیرند. با این حال، صنعت غذا ممکن است بزرگترین مانع برای پذیرش گسترده باشد. ضایعات غذایی ناشی از مصرف‌کننده که با تغییرات رفتاری قابل حل است، در نهایت برای صنایع غذایی سودآور است.

با این حال، غذایی که قبل از رسیدن به دست مصرف‌کننده نهایی هدر می‌رود، هزینه‌های مالی برای صنایع غذایی و هزینه های زیست محیطی دارد که همه ما باید آن را بپردازیم. روش‌های یادگیری ماشین و الگوریتم‌ها برای تولید و خرده فروشی مواد غذایی و در نتیجه کاهش ضایعات مواد غذایی در نظر گرفته شده است.

خدمات خرده فروشی مواد غذایی و تحویل آنها در بریتانیا با نام Ocado ، در فناوری خواربارفروشی پیشگام است. این شرکت یک اینترنت اشیا محلی را پیاده سازی می کند که با الگوریتم‌های یادگیری ماشینی و هوش مصنوعی کار می‌کند تا میزان ضایعات مواد غذایی خود را در حدود یک مورد از هر 6000 مورد کاهش دهد. این شرکت خرید و تحویل محصولات تازه را برای هر مشتری تضمین می کند.

Ocado از یادگیری ماشینی، هوش مصنوعی و رباتیک در خرده فروشی مواد غذایی استفاده می‌کند

پیش‌بینی و بهینه‌سازی با استفاده از یادگیری ماشینی در پلتفرم یکپارچه تجارت الکترونیک، تدارکات و تحقق Ocado انجام می‌شود. الگوریتم‌ها تعیین می‌کنند که مشتریان به چه مواد غذایی نیاز دارند (و به آن نیاز خواهند داشت) و از این اطلاعات برای جلوگیری از سفارش‌دادن غذای اضافی استفاده می‌کنند. هوش مصنوعی در فروشگاه تجارت الکترونیک برای پیش‌بینی تقاضا برای هر یک از محصولاتی که در Ocado موجود است، استفاده می‌شود.

یادگیری ماشین علاوه بر به حداقل رساندن ضایعات و پوشش انبار، به Ocado کمک می کند تا کارایی انبار خودکار خود را افزایش دهد. ربات‌های مخصوصی در این انبارها در شبکه‌های مکانیکی کار می‌کنند با استفاده از آنها سفارش 50 کالایی تنها در 5 دقیقه با سرعت 4 متر بر ثانیه انجام می‌دهند. این سیستم با استفاده ازهوش مصنوعی که با نظارت انسان کنترل می شود باعث کاهش ضایعات مواد غذایی می‌شود.

شبیه‌سازی و مدل‌سازی پیش‌بینی‌کننده تضمین می‌کند که محصولات غذایی به درستی در انبار و ون‌های تحویل ذخیره می‌شوند و ضایعات مواد غذایی را در سیستم Ocado کاهش می‌دهند. یادگیری ماشین همچنین مسئول بهینه سازی مسیرهای تحویل در زمان واقعی در طول روز است که منجر به ضایعات کمتر مواد غذایی و کاهش انتشار CO2 می شود.

کاهش ضایعات مواد غذایی در تولید با نسل بعدی رباتیک کشاورزی

رباتیک کشاورزی در حال حاضر باعث افزایش بهره‌وری در کشاورزی شده است که به این معناست که انرژی و منابع کمتری برای تولید مواد غذایی مورد نیاز است. ربات ها برای وجین و برداشت، افزایش دقت و کارآمدتر کردن عملیات کشاورزی استفاده می شوند.

Iron Ox، مستقر در کالیفرنیا، گلخانه‌های هیدروپونیک را طراحی و توسعه می‌دهد که توسط روبات‌ها اداره می‌شود. این گلخانه‌ها می‌توانند مواد غذایی را نزدیک به مراکز جمعیتی بزرگ تولید کنند و نیاز به حمل و نقل و انتشار CO2 ناشی از آن را کاهش دهند.

یک تیم مهندسی دانشگاه کمبریج اخیرا روباتی را به نمایش گذاشته است که برای برداشت کاهو طراحی شده است. این ربات برای تشخیص کاهو بر اساس الگوریتم یادگیری ماشینی آموزش دیده بود. یک سیستم بینایی کامپیوتری داده‌هایی را وارد می‌کند که ربات از آن برای یافتن و برداشت کاهو در مزرعه استفاده می‌کند.

اگرچه این سیستم بسیار کندتر و کارآمدتر از کارگران انسانی بود، دانشمندان معتقدند که نشان دادن اثربخشی یادگیری ماشین و روباتیک برای کاربردهای تولید مواد غذایی منجر به نوآوری بیشتر در آینده خواهد شد. آنها کاهو را به همین دلیل انتخاب کردند، زیرا برداشت با روبات ها به دلیل نزدیک بودن به زمین و نسبتاً ظریف، پیچیده است.

حذف ضایعات غذا از مزرعه تا میز غذا

همه این رویکردها برای کاهش ضایعات مواد غذایی و افزایش کارایی تولید غذا می‌توانند در آینده نزدیک به اینترنت اشیا با یادگیری ماشین و هوش مصنوعی مرتبط شوند. چنین سیستمی برای اطمینان از تولید نشدن مواد غذایی بهینه می شود استفاده می شود مگر اینکه احتمال استفاده از آن وجود داشته باشد.

اتصال سیستم‌های مختلف مبتنی بر یادگیری ماشینی، مانند حسگر خانگی متصل به حساب کاربری با یک خرده فروش مواد غذایی پیشرفته مانند Ocado، همراه با پذیرش بیشتر اتوماسیون در تولید مواد غذایی، ممکن است به میزان قابل توجهی ضایعات مواد غذایی را کاهش دهد.

این فناوری در حال حاضر برای بسیاری از این موارد وجود دارد تا در حال حاضر قابل دوام باشد. با توجه به تأثیر عظیمی که غذا – و ضایعات غذا – بر محیط ‌زیست می‌گذارد، یادگیری ماشینی باید با نرخ‌های بسیار بالاتری در کل سفر غذا از مزرعه تا چنگال اتخاذ شود.

واکنش صنعتی به تغییرات آب و هوایی چگونه است؟

این مقاله بخشی از سری تحریریه IPCC واکنش صنعتی به تغییرات آب و هوایی است، که به بررسی نحوه واکنش بخش‌های مختلف و مسائل مطرح شده در گزارش‌های IPCC 2018 در سال 2021 می‌پردازد. در اینجا، Robotics موسسات تحقیقاتی، سازمان‌های صنعتی و فن‌آوری‌های نوآورانه را به نمایش می‌گذارد که راه‌حل‌های انطباقی را برای کاهش تغییرات آب و هوایی هدایت می‌کنند.

نام منبع خبر: https://www.azorobotics.com

نام خبرنگار: مریم آموت سر