Vaasa Üniversitesi Bilgisayar Bilimleri Bölümü’nde doktora araştırmasını yürüten Jari Isohanni, akıllı ambalajların daha etkin hale gelmesi için makine öğreniminin renk tanımada nasıl kullanılabileceğini araştırdı. Çalışma, farklı yöntemlerin etkinliğini karşılaştırarak alandaki önemli bir boşluğu doldurdu.
İNCE DEĞİŞİKLİKLER TESPİT
Isohanni, araştırmasında geleneksel hesaplama yöntemlerinin büyük renk farklılıklarını tespit etmede başarılı olduğunu, ancak ince değişiklikler ve değişken koşulların en iyi şekilde evrişimli sinir ağları (CNN) gibi yapay zekâ tabanlı sistemlerle yakalanabildiğini belirtti.
Fonksiyonel baskı mürekkepleri sıcaklık veya nem artışıyla renk değiştiriyor ve bu değişimler yapay zekâ destekli algılama yöntemleriyle çok daha erken aşamada tespit edilebiliyor.
GIDA VE SAĞLIKTA KULLANIM
Isohanni, mevcut makine görüşü yöntemlerinin çoğu durumda yetersiz kaldığını vurgulayarak, “Baskı mürekkebindeki renk değişimi çoğu zaman çok ince veya hızlı gerçekleşiyor. Bu nedenle elektronik sensörlere göre daha uygun maliyetli ve çevre dostu olan basılı göstergeler önemli bir çözüm olabilir” dedi.
Bu yöntem sayesinde, gıda endüstrisinde raf ömrü takibi yapılabilirken; sağlık sektöründe göstergeler, lojistikte nakliye koşullarının takibi veya elektronik cihazlarda nem ve sıcaklık hasarlarının tespiti gibi kritik alanlarda kullanılabilecek.
ÇEVRE DOSTU ÇÖZÜM
Isohanni, “Pahalı elektronik cihazların ambalajlara eklenmesi hem maliyetli hem de geri dönüşüm için sorunlu olabilir. Basılı göstergeler bu engeli ortadan kaldırıyor” ifadelerini kullandı.
Araştırma, tüketicilere doğrudan ürün ambalajından bilgi sağlayacak ve sürdürülebilir üretime katkı sağlayacak bir adım olarak değerlendiriliyor.
