El control de calidad que realiza la IA de las cadenas de suministro de frutas y verduras frescas está convirtiéndose cada vez menos en una ambición a futuro y cada vez más en una necesidad diaria.

Ha revisado el mismo palé tres veces: una vez para entrenar a un aprendiz, otra vez porque la iluminación dificultaba juzgar si habían defectos o no, y otra más para estar seguro. El camión está esperando. Su bandeja de entrada se está llenando de mensajes. Y todavía no sabe si ese envío cumple con todas las especificaciones del cliente.

Esta es la ruta diaria por la cuerda floja de un gerente de calidad que se ve obligado a depender de inspecciones visuales subjetivas que se deben realizar en plazos de tiempo implacables. En este mundo, el error humano en la inspección alimentaria es inevitable, y costoso. 

La combinación perfecta de una inspección por IA y por el ser humano crea un nuevo tipo de operación de calidad: uno donde las computadoras manejan las tareas repetitivas, y los seres humanos lideran con juicio, supervisión y estrategia.

Pero, ¿cómo se ve realmente esto en el mundo real? ¿Y cómo se pueden distinguir las expectativas de lo práctico?

En este blog, le damos las respuestas y echamos un vistazo a los sistemas de control de calidad híbridos de las organizaciones de frutas y verduras frescas en todo el mundo.

Por qué el control de calidad en las frutas y verduras es crucial

Según la USDA, más del 30% de las frutas y verduras se pierden después de su cosecha. Esto no se debe a una escasez de oferta o fallas con el transporte, sino a brechas en el control de calidad.

Entonces, ¿qué impacto tiene exactamente el control de calidad en el desperdicio?

La preparación para la exportación depende del control de calidad

En las frutas y verduras frescas, la calidad es la encargada de la preparación para la exportación, la optimización del período de conservación y la confianza del consumidor. Un defecto ignorado, un nivel de maduración mal juzgado… es un envío entero que puede ser rechazado, con un impacto negativo para cosechadores y exportadores, tanto a nivel económico como con su reputación.

Pero los métodos tradicionales de control de calidad no pueden llevar el ritmo

A medida que los mercados globales exigen estándares más estrictos que nunca, los métodos de inspección tradicionales que dependen del ojo humano y de los registros en papel, están luchando por llevar el ritmo. El error humano en la inspección alimentaria puede significar la diferencia entre fruta de calidad premium que se exporta y casos dudosos que no reciben la autorización aduanera.

Y las expectativas de los consumidores siguen aumentando

Incluso en los mercados nacionales, la inconsistencia en la calidad afecta la confianza en la marca. Los minoristas no sólo lo quieren fresco. Quieren una puntuación de frescura en tiempo real, una predicción del período de conservación y pruebas de que su proceso puede estar a la altura de la demanda.

Es por eso que, la transición hacia sistemas de control de calidad automatizados y una visión computarizada para graduar las frutas y verduras tiene que ver con mucho más que conveniencia. Es cada vez más fundamental para sobrevivir en un mercado en donde el límite sigue en ascenso.

Inspección del ser humano versus la IA: Una comparación lado a lado

En lo que a control de calidad se refiere, tanto el juicio humano como la IA tienen sus fortalezas. Pero trabajan de forma muy diferente cuando están bajo presión. La tabla a continuación desglosa cómo los métodos tradicionales causan acumulación en comparación con el control de calidad de la IA en las frutas y verduras frescas, especialmente en entornos de alto volumen y alta exigencia.

¿Qué es Clarifresh y cómo funciona?

Clarifresh garantiza inspecciones consistentes, sin sesgos y de alta velocidad usando modelos de aprendizaje automático y de visión computarizada propios. Diseñado especialmente para las complejidades de las frutas y verduras frescas, Clarifresh combina la inspección de frutas con IA con herramientas prácticas que son compatibles con los flujos de trabajo del mundo real en los campos, las empacadoras o los almacenes.

Esencialmente, Clarifresh usa visión computarizada para graduar las frutas y verduras, capturando datos visuales detallados en cuanto a color, tamaño, forma y defectos superficiales en tiempo real. Esto es realzado gracias a los modelos de aprendizaje profundo de control de calidad que han sido entrenados con miles de imágenes a lo largo de diversas cosechas y condiciones de cultivo.

Pero los beneficios no terminan con la automatización. Clarifresh también apoya con las anulaciones manuales, para que los inspectores experimentados puedan ajustar las graduaciones o señalizar los casos límite cuando sea necesario. Todas las decisiones (de la IA o del ser humano) se anotan y se les puede hacer seguimiento, creando un registro para tener una puntuación de la frescura en tiempo real, informes y cumplimiento. Esta flexibilidad híbrida facilita que los equipos hagan la transición desde los métodos tradicionales sin perder el liderazgo o el control.

Ya sea que esté realizando inspecciones en campo o en un depósito de venta minorista, Clarifresh le ofrece a su equipo las herramientas para juzgar de forma más rápida e inteligente en base a los datos y no solamente en base al instinto.

Preguntas y respuestas: IA Clarifresh y control de calidad

¿La IA puede detectar defectos internos en las frutas y verduras?

Mientras que los sistemas de visión computarizada dependen de la apariencia externa, algunas soluciones avanzadas (incluyendo aquéllas usadas en las imágenes hiperespectrales o infrarrojo cercano (NIR)) pueden detectar problemas de calidad interna, como magulladuras o pudrición. Actualmente, Clarifresh se enfoca en la detección de defectos a nivel superficial de alta confianza, pero puede integrarse con tecnología basada en sensores para un control de calidad más profundo.

¿Qué tipo de datos de entrenamiento usa Clarifresh?

Clarifresh entrena sus modelos con millones de imágenes de frutas y verduras del mundo real, etiquetadas por inspectores de calidad a lo largo de las regiones globales. Esto crea un modelo adaptado a las definiciones de grado comercial en cuanto a indicadores de maduración, defectos y período de conservación.

¿Cómo se maneja el sesgo en las inspecciones con IA?

El sesgo se reduce alimentando al modelo con diversos sets de entrenamiento, de variadas regiones y estaciones. A diferencia de los inspectores humanos que podrían aplicar estándares inconsistentes, Clarifresh garantiza criterios de graduación uniformes en los distintos establecimientos.

¿Con qué tipos de frutas y verduras es compatible actualmente Clarifresh?

Clarifresh funciona con las frutas y verduras comerciales principales, como: manzanas, paltas, tomates, cerezas, cítricos y verduras de hojas verdes. Según la demanda de los clientes, se estará ampliando la compatibilidad con frutas y verduras tropicales y exóticas.

¿Las inspecciones de IA pueden satisfacer los estándares de certificación de la USDA o de las exportaciones?

Aunque la IA todavía no es un certificador formal de la USDA, la graduación de Clarifresh está alineada con los estándares de la USDA y del Codex Alimentarius, y puede generar registros de inspección por motivos de auditorías y cumplimiento.

¿Qué sucede cuando la IA no está segura o señala un caso dudoso?

El sistema puede configurarse para que rechace automáticamente la fruta o verdura dudosa, o puede solicitar una anulación realizada por un ser humano, creando un flujo híbrido en donde la precisión se entrelaza con el contexto humano.

¿Clarifresh funciona fuera de línea o un entornos con baja conectividad?

Sí. Los sistemas de Clarifresh son compatibles con dispositivos de conexión local y pueden funcionar en el dispositivo, desde el procesamiento en empacadoras o en los campos hasta su sincronización con la nube cuando lo permita el ancho de banda.

¿Cuánto tarda entrenar el modelo en una nueva línea de productos?

Dependiendo del volumen y la calidad requerida, se puede empezar con una nueva línea de frutas y verduras en 2-4 semanas si se cuenta con un etiquetado activo y con la colaboración de los clientes.