CBL - Campus del Baix Llobregat

Projecte llegit

Títol: Caracterització d'aliments mitjançant el seu olor i intel·ligència artificial

Estudiant que ha llegit aquest projecte:

Tutor/a o Cotutor/a: VIDAL FERRÉ, RAFAEL

Departament: ENTEL

Títol: Caracterització d'aliments mitjançant el seu olor i intel·ligència artificial

Data inici oferta: 15-07-2025      Data finalització oferta: 15-03-2026

Estudis d'assignació del projecte:
    MU MKET4FOOD+BIO
    MU TECH4AGRI+FOOD

Lloc de realització:

UPC      Departament/centre: Enginyeria Telemàtica

Segon tutor/a (UPC): PARADELLS ASPAS, JOSEP

Paraules clau:
Aliments, caracterització, compostos orgànics volàtils, estat dels aliments, malbaratament, olor, IA, BME688, datasets

Descripció del contingut i pla d'activitats:
Els aliments els identifiquem per una sèrie d'atributs com el gust, la forma, els colors, la densitat, l'olor i en alguns casos, com les fruites, pel tacte o consistència. Aquets atributs els poden caracteritzar per mètodes invasius o no invasiu. Hi ha alguns atributs més, que podem considerar que són sofisticats i per tant difícils de processar de forma massiva, com el continguts en sucre (BRIX) o el nivell d'acidesa.

En aquest treball es vol aprofundir en l'ús de l'olor com a paràmetre per a determinar l'estat d'un aliment. Alguns cops l'olor ens invita a ingerir un aliment i altres ens alerta del perill de fer-ho.

Per portar a terme aquest objectiu tenim uns sensors que podem identificar olors, però que necessiten ser entrenats per portar a terme aquesta valoració. Ens fa falta identificar olors característics dels aliments, generar conjunts de dades corresponents aquest olors i verificar que els sensor que volem utilitzar sigui capaç d'identificar l'olor específic amb un bona fiabilitat.

El sensor a utilitzar pot detectar la presència de compostos orgànics volàtils (VOCs), que són els principals causants dels olors. El mecanisme utilitzat consisteix en mesurar conductivitats a diferents temperatures que donen un patró característic per aquell compost. Per identificar un determinat compost es fa us d'una xarxa neuronal que ha estat entrenada prèviament per buscar semblances i classificar l'olor.

En el mercat hi ha tres sensors funcionen en base el principi descrit. Dos d'ells són de l'empresa BOSCH, el BME688 i el nou BME690. L'altre és de l'empresa Renesas, el ZMOD4410. Per aquest projecte utilitzarem el BME688 ja que tenim experiència en el seu ús i hem desenvolupat millores a les solucions basades en intel·ligència artificial (IA) que ofereix BOSCH.

Objectius

El projecte te per objectiu identificar olors de tota mena d'aliments que permetin determinar atributs de l'aliment, per exemple grau de maduració o nivell de dolçor, o el seu nivell de conservació. Per identificar els olors es farà servir el sensor BME688 amb l'algorítmica disponible que millora les prestacions que ofereix el fabricant.
Aquest objectiu principal es divideix en els següents objectius secundaris:
- Estudiar a nivell teòric la relació entre olor i qualitat, maduresa o gust de fruites i verdures.
- Estudiar a nivell teòric la relació entre olor i estat de conservació de fruites, verdures, peix i carn.
- Adquirir el coneixement per un ús eficient del sensor d'olors. Això vol dir saber crear un conjunt de dades ("dataset") adequat i saber treure conclusions sobre els resultat de reconeixement d'olors.
- Seleccionar un conjunt d'aliments que permetin validar les capacitats del sensor d'olors.
- Crear un "dataset" prou gran per garantir el correcte funcionament del sistema i fer el "dataset" públic com a informació oberta per que la comunitat científica pugui validar els resultats del treball.
- Indicar quins aliments i estats de maduració o conservació es poden identificar de forma més fiable amb el sensor i la IA utilitzada.
Aquests objectius permeten configurar el conjunt de tasques a portar a terme, una per casa sub-objectiu.

Overview (resum en anglès): Food quality and safety represent a key challenge in the food industry, particularly in relation to
reducing food waste along the supply chain. In this context, the use of sensors offers an alternative
to traditional methods for obtaining information about food quality in a rapid, non-invasive manner
without destroying the sample, enabling continuous monitoring.
The aim of this study was to evaluate the feasibility of a system based on volatile organic compound
(VOC) sensors combined with artificial intelligence-based classification models to differentiate
ripeness and spoilage levels in foods such as banana, chicken and salmon. To this end, a
measurement system based on metal oxide (MOS) sensors was used to generate a dataset, which
was then used to train and validate different classification models using the Edge Impulse platform.
The results obtained show that it is possible to differentiate between different ripeness stages in
bananas and detect spoilage in chicken breast and salmon based on the volatile organic compounds
profile.
In conclusion, the combination of volatile organic compounds sensors and artificial intelligence
based classification models represents a viable approach for assessing food quality.

Aquest projecte està relacionat amb l'adaptació al Canvi Climatic? No

Aquest projecte està relacionat amb la digitalització del seu àmbit de treball? No

© CBLTIC Campus del Baix Llobregat - UPC