پژوهشکده برق و فناوری اطلاعات

ارزیابی کیفیت گوشت با توجه به انتظارات مصرف‌کنندگان که هر بخش از آنان ویژگی‌های خاصی را مد نظر دارند، اهمیت روزافزونی یافته است. کیفیت گوشت را می‌توان از طریق روش‌های حسی، شیمیایی و ابزاری ارزیابی کرد؛ با این حال، این رویکردها اغلب پرزحمت، زمان‌بر و در بسیاری موارد مخرب هستند. تجربیات متعدد، تأکید دارند که ارزیابی‌های حسی برای پارامترهایی نظیر رنگ، بو و میزان چربی بین‌ماهیچه‌ای، به شدت تحت تأثیر قضاوت‌های فردی بوده و تکرارپذیری پایینی دارند و اغلب منجر به تخریب کامل نمونه می‌شوند. از سوی دیگر، آزمایش‌های بیوشیمیایی (مانند تحلیل سطح پروتئین، چربی و رطوبت) علی‌رغم دقت بالا، مستلزم تجهیزات پیچیده، پرسنل متخصص و زمان طولانی برای پردازش هستند. در صنعت گوشت، بازرسی چشمی در سالیان گذشته روشی نسبتا رایج بوده است، اما این روش به دلیل ماهیت ذهنی، نیاز به متخصصان ماهر، هزینه بالا و زمان‌بر بودن، با چالش‌های جدی مواجه است. از سوی دیگر، وابستگی به قضاوت انسانی منجر به بروز خطا، نوسان در نتایج و دشواری در ایجاد یکنواختی بین بازرس‌های مختلف می‌شود. افزون بر این، محدودیت سرعت در بازرسی دستی، پاسخگوی نیاز خطوط تولید انبوه نیست. موارد و محدودیت های مورد اشاره در بند بالا از سویی، و نیاز مبرم به تضمین ایمنی و کیفیت در محیط‌های با حجم تولید بالا از سوی دیگر ، لازم می دارند که با استفاده از فناوری های نوظهور هوش مصنوعی، بینایی ماشین و یادگیری ماشین به موازات افزایش دقت و کاهش هزینه‌ها، ارزیابی ها در صنعت گوشت را به سمت خودکارسازی برد. این ایده در قالب یک طرح پژوهشی در پژوهشکده ی مهندسی برق و فناوری اطلاعات در حال انجام می باشد. امید است با انجام موفقیت آمیز این طرح پژوهشی، بتوان با ترکیب سامانه های نوری، دوربین‌های دیجیتال و الگوریتم‌های هوش مصنوعی، ویژگی‌های ظاهری گوشت را با دقت بالا، شناسایی نمود.