Innovatieve toepassingen van artificiele intelligentie (AI)in de levensmiddelensector

De Jaegher BramDe Kesel JonasDepicker ArthurVerbanck Thijs

Faculteit Bio-ingenieurswetenschappenUniversiteit Gent

Academiejaar 2013–2014

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 1 / 1

Inleiding

Overzicht Presentatie

Deel 1: Inleiding AIAI als wetenschapDatagedreven vs. kennisgebaseerde subdisciplines van AIMachine Learning

Deel 2: Toepassingen van AI in de levensmiddelensector

Deel 3: Gevalstudies

Deel 4: Conclusies

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 2 / 1

Deel 1: Inleiding AI

AI als wetenschap

Wat is AI?

De automatisatie van activiteiten die we associeren met menselijkeintelligentie, zoals zelfstandig problemen oplossen, bijleren doorervaring, zelfstandig keuzes maken ...

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 3 / 1

Deel 1: Inleiding AI

Datagedreven vs. kennisgebaseerde subdisciplines van AI

Mogelijke indeling voor dit project

Datagedreven AI: model wordt opgebouwd aan de hand vaninformatie, gepuurd uit data

Kennisgebaseerd AI: model is gebaseerd op kennis en beslissingsregels,opgesteld door experten

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 4 / 1

Deel 1: Inleiding AI

Machine Learning (ML)

ML is de wetenschap om computers te laten handelen zonder explicietgeprogrammeerd te worden

Gesuperviseerd leren: model opbouwen a.d.h.v. gelabelde data,classificatie- en regressieproblemen

Ongesuperviseerd leren: model opbouwen a.d.h.v. ongelabelde data,clustering

Reinforcement learning: robot die leert navigeren in een omgeving

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 5 / 1

Deel 1: Inleiding AI

Voorbeeld classificatie met gesuperviseerd ML

Gem. kleur LengteBreedte

OmtrekOppervlakte ... LABEL

foto 1 bruin a α ... AARDAPPELfoto 2 paars b β ... PRUIMfoto 3 bruin c γ ... KIWIfoto 4 rood d δ ... APPELfoto 5 groen e ε ... WATERMELOENfoto 6 paars b´ β´ ... PRUIMfoto 7 bruin c´ γ´ ... KIWIfoto 8 groen e´ ε´ ... WATERMELOENfoto 9 rood d´ δ´ ... APPEL... ... ... ... ... ...

foto X rood d δ ... ???foto Y groen e ε ... ???foto Z bruin c γ ... ???

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 6 / 1

Deel 2: Overzicht levensmiddelensector

Overzicht Presentatie

Deel 1: Inleiding AI

Deel 2: Toepassingen van AI in de levensmiddelensectorIndeling van de levensmiddelensector & bijhorende toepassingen

Deel 3: Gevalstudies

Deel 4: Conclusies

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 7 / 1

Deel 2: Overzicht levensmiddelensector

Indeling van de levensmiddelensector

Primaire productie

Classificatie: rijpheid controleren met artificiele neuzen

Transport en opslag voor verwerking

Classificatie: detectie van ongedierte en classificatie van aangetastevruchten

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 8 / 1

Deel 2: Overzicht levensmiddelensector

Indeling van de levensmiddelensector

Primaire productie

Classificatie: rijpheid controleren met artificiele neuzen

Transport en opslag voor verwerking

Classificatie: detectie van ongedierte en classificatie van aangetastevruchten

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 8 / 1

Deel 2: Overzicht levensmiddelensector

Indeling van de levensmiddelensector

Verwerking

Expertsystemen: optimalisatie van processenClassificatie: herkenning van gebreken in eindproduct

Transport en opslag na verwerking

Regressie: voorspelling van houdbaarheidsdata

Verkoop

Data Mining: market basket analysisReinforcement learning: integraal ketenbeheer

Consumptie

Classificatie: herkomstbepaling van (beschermde) productenExpertsystemen: samenstellen van menu’s

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 9 / 1

Deel 3: Gevalstudies

Overzicht Presentatie

Deel 1: Inleiding AI

Deel 2: Toepassingen van AI in de levensmiddelensector

Deel 3: GevalstudiesHerkenning van Rochefort 8◦

Classificatie van groenten en fruit

Deel 4: Conclusies

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 10 / 1

Deel 3: Gevalstudies

Classificatie van groenten en fruit

Artikel van Rocha et al. (2010): “Automatic fruit and vegetableclassification from images”

A.d.h.v. 834 gelabelde foto’s van vijf soorten groenten en fruit(watermeloen, aardappel, appel, pruim & kiwi) een model maken om206 ongelabelde foto’s te classificeren

Beeldverwerking

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 11 / 1

Deel 3: Gevalstudies

Classificatie van groenten en fruit

Algemeen resultaat a.d.h.v. confusiematrix: 87%

Aardappel Appel Kiwi Pruim WatermeloenAardappel 35 0 3 0 7Appel 2 36 0 0 0Kiwi 2 7 26 0 0Pruim 0 0 0 52 0Watermeloen 0 0 5 0 31

Voornamelijk features m.b.t. kleur

Feature Gemiddelde mean decrease giniVorm gerelateerde features 32,5Kleur gerelateerde features 83,4

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 12 / 1

Deel 4: Conclusies

Overzicht Presentatie

Deel 1: Inleiding AI

Deel 2: Toepassingen van AI in de levensmiddelensector

Deel 3: Gevalstudies

Herkenning van Rochefort 8◦

Classificatie van groenten en fruit

Deel 4: Conclusies

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 13 / 1

Deel 4: Conclusies

Toepassingen: vooral onderzoek, weinig praktische toepassingen

Uitzondering: market basket analysis, integraal ketenbeheer,classificatie- en regressieproblemen

Pro ↔ Contra

Voordeel: complexe problemen modelleren zonderdomeinspecifieke voorkennis

Nadeel: moeilijk om prestaties op aanvaardbaar niveau te krijgen

Gevalstudies

Relatief goede accuraatheden

Tweede plaats voor Rochefort 8◦ classificatie (95% accuraatheid)87% i.v.m. 97% in het originele (complexere) onderzoek quafotoclassificatie

Model opstellen is relatief eenvoudig

De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 14 / 1