L’IA nel Controllo Qualità del Settore delle Mele

La quantità e qualità dei dati è essenziale per una maggiore efficacia nell’utilizzo dell’IA. Questo è uno degli assiomi principali di Patrizia Gufler e Michael Gurschler, esperti nel campo. Durante l’evento “Trends, Tech & Tapas” al MIND hanno condiviso le loro esperienze nell’applicazione pratica dell’IA nella digitalizzazione del processo di garanzia della qualità nel laboratorio delle mele.

Patrizia Gufler e Michael Gurschler erano alla ricerca di una soluzione agile, che non solo non frenasse il lavoro dei dipendenti, ma che anche riconoscesse automaticamente le mele e ne classificasse in modo efficace il grado di maturazione. In qualità di sviluppatori per la software house Fuxware, hanno intrapreso la sfida di digitalizzare il processo di garanzia della qualità per una cooperativa frutticola altoatesina, precedentemente eseguito esclusivamente manualmente. Con una media di 320.000 tonnellate di mele raccolte annualmente e oltre 1.000 frutti da classificare ogni giorno, il compito del responsabile della qualità non era certo da sottovalutare.

Il grado di maturazione è fondamentale per pianificare la raccolta in modo ottimale. Mentre per tre dei parametri necessari – compattezza della polpa, contenuto di zucchero e acido malico – esisteva già uno standard, la determinazione del valore dell’amido presentava deviazioni a causa del processo puramente manuale. La digitalizzazione ha preso avvio dall’analisi del processo manuale esistente e dall’identificazione delle fasi che potevano essere trasformate in digitale. L’analisi è iniziata nella primavera del 2023, con la digitalizzazione del processo a luglio e l’addestramento dell’IA avvenuto nell’ottobre dello stesso anno. In due mesi sono state raccolte immagini di oltre 27.000 mele singole per addestrare il modello di Intelligenza Artificiale.

I risultati raggiunti
I vantaggi della digitalizzazione del processo sono molteplici, dall’ottenimento di una documentazione trasparente all’acquisizione di dati qualificati che fungono da base per ulteriori applicazioni. La garanzia della qualità offre trasparenza, tracciabilità e rintracciabilità. È stato istituito uno standard per la valutazione del grado di maturazione e potenziali fonti di errore vengono ridotte. La formazione dei nuovi dipendenti è rapida e semplice, poiché non sono richieste conoscenze preliminari specifiche. Inoltre, questo progetto costituisce una solida base per l’automazione futura.

Scambio di esperienze
Non sono mancati nemmeno preziosi consigli da parte dei due relatori. Iniziare con progetti pilota per promuovere la comprensione dei collaboratori interni dell’IA. Data la natura dei progetti, è essenziale costruire una competenza interna e comprendere appieno il suo potenziale. È fondamentale riconoscere l’imprevedibilità di molte situazioni e agire rapidamente per garantire la qualità dei dati. Infine, un brindisi con aperitivi ha offerto l’opportunità di condividere idee e riflessioni su questa straordinaria esperienza.