"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.

Identifiering av tidiga förruttnelseprocesser i jordbruksprodukter med hjälp av biospeckle-laserscreening och maskininlärning för att minska matsvinnet

Forskningsprojekt Matsvinn är ett stort problem, med 1,3 miljoner ton som går förlorade årligen i Sverige, ofta på grund av oupptäckt tidig förruttnelse. Traditionella metoder är destruktiva, långsamma och olämpliga för tidig upptäckt. Projektet utvecklar en snabb, icke-destruktiv teknik baserad på biospeckle-bildanalys och AI för att identifiera tidig förruttnelse. I samarbete med SLU och LTU syftar det till att förbättra kvalitetskontroll, minska svinn och stödja hållbart jordbruk genom realtidsövervakning.

Projektet syftar till att utveckla en snabb och icke-förstörande metod för att upptäcka tidig förruttnelse i frukt och jordbruksprodukter. Genom att använda avancerad optisk mätteknik och AI kan man minska matsvinn, förbättra lagring och bidra till ett mer hållbart livsmedelssystem. Arbetet sker i samverkan med SLU och LTU.

Projektansvarig

Davood Khodadad
Universitetslektor
E-post
E-post
Telefon
090-786 73 60

Projektöversikt

Projektperiod:

2023-10-01 2026-04-30

Medverkande institutioner och enheter vid Umeå universitet

Institutionen för tillämpad fysik och elektronik

Externa finansiärer

Kempestiftelserna

Projektbeskrivning

Matsvinn är fortsatt en betydande global utmaning, där mer än en tredjedel av all producerad mat går förlorad eller slösas bort. Enbart i Sverige slängdes över 1,3 miljoner ton mat under 2018, med stora förluster i jordbruksprodukter som tomater och potatis – upp till 50 % respektive 40 % av den totala produktionen.

En viktig orsak till detta svinn är bristen på teknik för att upptäcka tidiga tecken på förruttnelse i frukt och grönsaker under lagring och transport. Traditionella metoder för kvalitetsbedömning är destruktiva, tidskrävande och oförmögna att identifiera subtila fysiologiska förändringar innan synlig förruttnelse inträffar.

Detta projekt syftar till att övervinna dessa begränsningar genom att utveckla en snabb, icke-destruktiv optisk inspektionsmetod för att upptäcka tidiga förruttnelseprocesser i frukt och andra jordbruksprodukter. Kärnan i systemet bygger på biospeckle-laseravbildning kombinerat med artificiell intelligens för att upptäcka förändringar i produkternas metaboliska aktivitet, vilket möjliggör tidig identifiering innan symtom blir synliga.

Genom att kombinera realtidsbildbehandling med maskininlärningsbaserad klassificering kan systemet möjliggöra automatiserad kvalitetskontroll i stor skala.

Projektet genomförs i samarbete med Sveriges lantbruksuniversitet (SLU) och Luleå tekniska universitet (LTU), vilket säkerställer ett tvärvetenskapligt angreppssätt. Resultaten kommer att stödja livsmedelsindustrin genom att minska svinn, förbättra kvalitetssäkringen och bidra till hållbarhet och livsmedelssäkerhet.

Externa finansiärer

Senast uppdaterad: 2025-08-21