Defraeye en zijn team voorspelden de houdbaarheid van aardbeien in verschillende typen bakjes. Foto Shutterstock Op de route van boer naar bord beoordelen verschillende mensen fruit en groente op kwaliteit, ieder vanuit eigen ervaring en met eigen gegevens. Daardoor krijg je grote variatie in de beslissingen in de keten. De nieuwe WUR-buitengewoon hoogleraar Thijs Defraeye wil modellen ontwikkelen waarmee iedereen die beslissingen op dezelfde manier kan nemen, met minder expertise.
Tijdens gekoeld transport van groente en fruit zijn er meerdere personen die moeten beslissen of een lading goed of slecht is. Dat doen ze op basis van hun ervaring of beperkte gegevens uit een steekproef. Volgens Defraeye kan dat anders. Hij is begin december benoemd tot buitengewoon hoogleraar Data and simulations for self-care post-harvest fresh-food supply chains, bij de vakgroep Food Quality and Design. Hij werkt daarnaast bij het Zwitserse onderzoeksinstituut Empa aan voedselhoudbaarheid.
Ook al op het veld kijken mensen naar de kwaliteit van gewassen en nemen ze beslissingen. Iemand maakt bijvoorbeeld een foto van bananen en stuurt die door naar een supervisor. Die expert is niet ter plaatse, maar beslist wel of het tijd is om te oogsten of beoordeelt wel welke schade producten hebben opgelopen. Het besluitproces is omslachtig, duurt daardoor lang en is afhankelijk van menselijk handelen en kunnen. Het zou beter zijn als iedereen in de leveringsketen op basis van dezelfde informatie een beslissing kan nemen. Daartoe ontwikkelt Defraeye een zelfzorgvoedselsysteem. ‘Dat toekomstige systeem kan antwoord geven zonder dat er een menselijke expert aan te pas komt’, aldus de hoogleraar. ‘Dan kunnen beslissingen objectiever genomen worden.’
Voorspellen
Aan de hand van beperkte gegevens kan het zelfzorgsysteem een totaalbeeld voorspellen, is het idee. Zo zou het systeem de informatie van één temperatuursensor van gekoeld transport kunnen gebruiken om de kwaliteit van de gehele vracht te voorspellen. Het model maakt hiervoor gebruik van feature engineering door natuurkundige simulaties: uit de gegevens haalt het aanvullende kenmerken van de vracht. Die verrijkte gegevens gaan door als invoer voor machine learning, waarmee je dus meer informatie hebt om een beslissing op te baseren. ‘Zo kun je intelligentere beslissingen nemen,’ aldus Defraeye.
Aardbei en citroen
Voor het transport van citrusvruchten en aardbeien heeft Defraeye met collega’s dit jaar al modellen ontwikkeld om de kwaliteit te voorspellen en te vertalen naar acties voor betrokkenen in de toeleveringsketen. Voor aardbeien bijvoorbeeld simuleert het team van Defraeye de houdbaarheid met behulp van een computermodel. Dat model laat zien dat de houdbaarheid – onder invloed van temperatuur en luchtvochtigheid – afhankelijk is van het ontwerp van de bakjes. Daaruit destilleren de onderzoekers vervolgens kritieke punten van kwaliteitsverlies voor elk type verpakking.
