KI in Lebensmitteln und Getränken

Lebensmittelunternehmen nutzen Computer Vision und Spektralsensorik, um Produkte zu prüfen, während Prognosemodelle durch Nachfrageschätzungen Informationen über Bestandsentscheidungen liefern können. Die Forschung betrachtet Nachfrageprognosen als einen möglichen Weg, das Gleichgewicht zwischen Angebot und Nachfrage zu verbessern; es garantiert nicht, dass bei jedem Vorgang weniger Abfall entsteht. NotCo beschreibt seinen proprietären Algorithmus Giuseppe als Lernkombinationen von Pflanzen und als Unterstützung für Rezeptformulierung und sensorische Studien zur Nachbildung tierischer Produkte. Forschungen wie FlavorGraph kombinieren das gleichzeitige Vorkommen von Rezepten und Beziehungen zwischen Lebensmitteln und chemischen Stoffen, um die Darstellung von Zutaten für Aufgaben wie die Kombination von Lebensmitteln zu lernen. Die Autoren weisen darauf hin, dass es für die empfohlenen Paarungen keine einzige objektiv richtige Antwort gibt. Die FDA beschreibt die technologiegestützte Rückverfolgbarkeit als eine Möglichkeit, eine schnelle Trace-Forward- und Traceback-Analyse zu unterstützen und Produktquellen zu identifizieren. Rückverfolgbarkeitsdaten können Untersuchungen unterstützen, sie unterscheiden sich jedoch von einem KI-Modell zur Erkennung von Kontaminationen und garantieren keinen schnelleren Rückruf.