ในปัจจุบัน เทคโนโลยีมากมายเข้ามามีบทบาทในอุตสาหกรรมอาหาร ไม่ว่าจะเป็นการเพิ่มกำลังการผลิต เพิ่มความแม่นยำ เพิ่มประสิทธิภาพในการทำงาน ลดการสูญเสียวัตถุดิบ ทรัพยากร เวลา ลดการปนเปื้อน ลดปัญหาการขาดแคลนแรงงาน หรือใช้งานในจุดที่เสี่ยงอันตราย เป็นต้น ไม่ว่าจะเป็นเทคโนโลยีอัตโนมัติ เช่น เครื่องดูดฝุ่นและเส้นผม เครื่องทำความสะอาดรองเท้าบูทอัตโนมัติ ระบบหุ่นยนต์และเครื่องจักรอัตโนมัติ ฯลฯ รวมถึงเทคโนโลยีตาอัจฉริยะ (Computer vision technology) ร่วมกับระบบ AI ที่ใช้การจับภาพของวัตถุและวิเคราะห์ทำนายผล โดยไม่ต้องทำลายวัตถุตัวอย่าง (non-destruction) เพื่อวัตถุประสงค์ต่าง ๆ ในอุตสาหกรรมอาหาร เช่น การเก็บเกี่ยวอัตโนมัติโดยเลือกผลผลิตที่มีคุณภาพ ขนาดตามที่กำหนด, การคัดเลือกและจัดเกรดวัตถุดิบหรือผลิตภัณฑ์, การเลือกสิ่งเจือปนออก, การควบคุมคุณภาพของผลิตภัณฑ์, ใช้งานร่วมกับหุ่นยนต์ในกระบวนการผลิต เคลื่อนย้าย หรือบรรจุ เป็นต้น ตัวอย่างเทคโนโลยีที่เกี่ยวข้อง ได้แก่

            -ระบบ Color Imaging ใช้หลักการวัดสีเพื่อวิเคราะห์เชื่อมโยงกับคุณภาพของอาหาร โดยนิยมเชื่อมโยงสีของผลไม้เข้ากับการทำนายคุณภาพด้านต่าง ๆ เช่น ระดับความหวาน ขนาดเมล็ด การสูญเสียน้ำหนัก ลักษณะเนื้อสัมผัส ฯลฯ เนื่องจากสีของผลไม้เป็นผลมาจากรงควัตถุุ (pigment) ซึ่งการเปลี่ยนแปลงรงควัตถุเหล่านี้ มีความสัมพันธ์กับการเปลี่ยนแปลงคุณภาพด้านอื่น ๆ ด้วย โดยมีงานศึกษาในผลไม้หลายประเภท(1)  เช่น เชอรี่ ทับทิม มะม่วง ส้ม มะเขือเทศ เมล็ดกาแฟ และ มะละกอ เป็นต้น ซึ่งเป็นเทคนิคที่มีประโยชน์มากในการใช้คัดเลือก (sorting) หรือตรวจสอบ (inspection) คุณภาพวัตถุดิบที่มีคุณภาพเหมาะสมโดยไม่ทำลายตัวอย่าง

            – ระบบอ่านอักขระจากรูป (OCR) หรือเทคโนโลยีการสร้างข้อความจากภาพ สามารถใช้ตรวจสอบความสมบูรณ์ของการระบุข้อความบนบรรจุภัณฑ์ เช่น วันหมดอายุ การระบุสารก่อภูมิแพ้ในผลิตภัณฑ์(3) , การระบุสินค้ากลุ่มฮาลาล(4)  และ การสอบย้อนกลับข้อมูลผลิตภัณฑ์ (traceability) (5)  เป็นต้น

            -ระบบการวิเคราะห์ข้อมูลจากรูป (Image analysis) คือการใช้ระบบคอมพิวเตอร์เข้ามาช่วยวิเคราะห์รูปตัวอย่างเทียบกับข้อมูลที่มีในระบบ เพื่อแสดงผลทางหน้าจอให้ผู้ใช้ได้รับทราบ หรือส่งสัญญาณบางอย่างให้ระบบอัตโนมัติอื่น ๆ ทำงานต่อ เช่น การคัดแยกเกรดหรือขนาดของวัตถุดิบ การตรวจสอบความสมบูรณ์ของผลิตภัณฑ์เพื่อช่วยในการควบคุมคุณภาพ  ตัวอย่างคือในอุตสาหกรรมเนื้อสัตว์ นอกจากการใช้เทคโนโลยีเครื่องชั่งน้ำหนักอัตโนมัติ (weight checker) ในการระบุน้ำหนักของชิ้นส่วนเนื้อสัตว์แต่ละชิ้นได้อย่างรวดเร็วแล้ว การติดกล้องและระบบวิเคราะห์รูปจะยังช่วยคัดแยกเกรดของเนื้อสัตว์ชิ้นนั้น ๆ หรือแม้แต่สามารถที่จะคำนวณบริเวณที่กำหนดให้หุ่นยนต์หรือระบบอัตโนมัติทำการชำแหละชิ้นส่วน แยกส่วนเนื้อสัตว์ออกตามที่โปรแกรมกำหนด (6)  นอกจากนี้ ในส่วนของระบบสุขาภิบาลและสุขลักษณะส่วนบุคคล การติดกล้องและใช้ระบบ AI ยังสามารถเข้ามามีบทบาทในการตรวจสอบการปฏิบัติตามสุขลักษณะที่ดีของพนักงานในพื้นที่การผลิต เช่น การใส่หน้ากากอนามัย  (7)  หมวกคลุมผม หรือเครื่องแต่งกายที่ถูกต้อง เป็นต้น

            -เทคนิค Hyperspectral imaging ใช้หลักการเก็บข้อมูลสเปกตรัมของพื้นผิวในแต่ละจุด (location) เพื่อมาประมวลสมบัติของวัตถุนั้น ๆ สามารถประยุกต์ใช้ในอุตสาหกรรมอาหารได้หลายวัตถุประสงค์ เช่น การวิเคราะห์เกรดของเนื้อสัตว์จากภาพพื้นผิวเนื้อ การวิเคราะห์การปนเปื้อนพลาสติก การตรวจรอยรั่วของบรรจุภัณฑ์ เป็นต้น

            – ระบบ AI-Motion Recognition Technology ใช้การบันทึกภาพเคลื่อนไหว และวิเคราะห์ลักษณะการขยับของร่างกายหรือวัตถุที่สนใจสามารถนำมาประยุกต์ใช้สำหรับอุตสากรรมอาหารปลอดภัยได้ เช่น ในส่วนที่มักจะเป็นจุดวิกฤตด้านปัญหาความสะอาดและการปนเปื้อนที่ควบคุมได้ยาก เช่น การควบคุมการล้างมือของพนักงาน ซึ่งไม่สามารถควบคุมได้อย่างมีประสิทธิภาพ ตามรายงานการสังเกตกลุ่มตัวอย่างกว่า 600 คน จากอุตสาหกรรมเบเกอรี่แห่งหนึ่งในประเทศอังกฤษ พบว่า มีเพียง 2.2% เท่านั้นที่สามารถปฏิบัติตามคำแนะนำในขั้นตอนการล้างมือได้อย่างถูกต้องจริง (8)   จึงมีความเป็นไปได้ที่จะใช้ระบบ AI เข้ามาช่วยในการวิเคราะห์ท่าทางในการเคลื่อนไหวมือ ด้วยการใช้คอมพิวเตอร์วิเคราะห์ลักษณะภาพเคลื่อนไหวของการล้างมือ โดยมีรายงานความเป็นไปได้ในการวิจัยทดสอบการใช้ระบบ AI-Motion Recognition Technology ในการประเมินความสะอาดของมือที่ฆ่าเชื้อด้วยการถูแอลกอฮอล์และการสัมผัสผู้ป่วย (9)  พบว่าสามารถตรวจสอบการกดสารฆ่าเชื้อได้ 100%, การถูมือเพื่อฆ่าเชื้อได้ 83% และตรวจจับการสัมผัสผู้ป่วย 100% แสดงถึงความเป็นไปได้ที่ดีที่จะพัฒนาต่อไปในอนาคต

            อีกหนึ่งตัวอย่างคือการใช้ภาพวีดีโอและระบบ AI ในการเก็บข้อมูลพฤติกรรมของผู้บริโภค เช่น อายุ (10)  และเพศ (11) ของผู้ใช้บริการ ที่จะเชื่อมโยงถึงชนิดและปริมาณของอาหารที่สั่ง  การนับจำนวนการเข้าออกของผู้บริโภคและช่วงเวลาที่ผู้บริโภคใช้บริการ (12)  เวลาในการเข้าคิว เวลาในการเสิร์ฟอาหารตามออเดอร์ (10)  หรือแม้แต่การแสดงออกทางใบหน้า (13)  (facial expression) ซึ่งบ่งชี้อารมณ์ของผู้บริโภค ซึ่งข้อมูลพฤติกรรมของผู้บริโภคเหล่านี้เป็นประโยชน์อย่างมาในการนำมาวิเคราะห์วางแผน และทำการจัดการต่าง ๆ เช่น การจัดซื้อ การตลาด การออกแบบผลิตภัณฑ์ใหม่ การปรับปรุงผลิตภัณฑ์ปัจจุบัน การวางแผนการจ้างพนักงานให้เหมาะสมกับจำนวนลูกค้า และอื่น ๆ อีกมากมาย

            อนาคตการเข้ามาของเทคโนโลยีเหล่านี้ในตลาดอุตสาหกรรมอาหารมีแนวโน้มจะเพิ่มสูงขึ้นเรื่อย ๆ ทางอิโตะ ไทยแลนด์ ร่วมเป็นส่วนหนึ่งที่จะมุ่งมั่นในการพัฒนาเทคโนโลยีเพื่อสังคมอาหารปลอดภัย อย่างการนำเทคโนโลยีการเก็บภาพวีดีโอร่วมกับ AI เพื่อใช้ในการพัฒนากระบวนการผลิตอาหารให้ถูกสุขลักษณะ มีความปลอดภัยมากขึ้นและเพิ่มประสิทธิภาพในการผลิตให้ดียิ่งขึ้น นอกจากนี้ เรายังมีเทคโนโลยีเกี่ยวกับสุขอนามัยในอุตสาหกรรมอาหาร ระบบอัตโนมัติและหุ่นยนต์ในการเพิ่มประสิทธิภาพในการผลิต บริการให้คำปรึกษา การแก้ไขปัญหา และบริการหลังการขายครบวงจร หากคุณมีความสนใจ สามารถติดต่อเราได้ที่นี่ 

เอกสารอ้างอิง

1.Fracarolli, J. A., Pavarin, F. F. A., Castro, W., & Blasco, J. (2021). Computer vision applied to food and agricultural products. Revista Ciência Agronômica, 51.

2.Rodríguez-Rodríguez, J. C., Quesada-Arencibia, A., Moreno-Díaz Jr, R., & García, C. R. (2016). A character segmentation proposal for high-speed visual monitoring of expiration codes on beverage cans. Sensors, 16(4), 527.

3.Kollia, I., Stevenson, J., & Kollias, S. (2021). AI-Enabled Efficient and Safe Food Supply Chain. Electronics, 10(11), 1223.

4.Yuniarti, A., Kuswardayan, I., Hariadi, R. R., Arifiani, S., & Mursidah, E. (2017, October). Design of integrated latext: Halal detection text using OCR (Optical character recognition) and web service. In 2017 International Seminar on Application for Technology of Information and Communication (iSemantic)(pp. 137-141). IEEE.

5.Ribeiro, F. D. S., Caliva, F., Swainson, M., Gudmundsson, K., Leontidis, G., & Kollias, S. (2018, May). An adaptable deep learning system for optical character verification in retail food packaging. In 2018 IEEE Conference on Evolving and Adaptive Intelligent Systems (EAIS)(pp. 1-8). IEEE.

6.Barbut, S. (2020). Meat industry 4.0: A distant future?. Animal Frontiers, 10(4), 38-47.

7.Bhale, Y., Agrawal, N., & Kelwa, S. (2021, December). Mask Detection using Computer Vision. In 2021 10th International Conference on System Modeling & Advancement in Research Trends (SMART)(pp. 53-58). IEEE.

8.Evans, E. W., & Redmond, E. C. (2019). Video observation of hand-hygiene compliance in a manufacturer of ready-to-eat pie and pastry products. International Journal of Environmental Health Research, 29(6), 593-606.

9.Awwad, S., Tarvade, S., Piccardi, M., & Gattas, D. J. (2019). The use of privacy-protected computer vision to measure the quality of healthcare worker hand hygiene. International Journal for Quality in Health Care, 31(1), 36-42.

10.https://agrexai.com/qsr-video-analytics/

11.Keh, J. J., Cruz, M., Deticio, R., Tan, C. V., Jose, J. A., Dadios, E., & Fillone, A. (2020, December). Video-Based Gender Profiling on Challenging Camera Viewpoint for Restaurant Data Analytics. In 2020 IEEE 12th International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management (HNICEM)(pp. 1-5). IEEE.

12.https://www.sourcesecurity.com/insights/staying-speed-utilising-ai-video-analytics-co-1538138049-1629100806.html

13.Chang, W. J., Schmelzer, M., Kopp, F., Hsu, C. H., Su, J. P., Chen, L. B., & Chen, M. C. (2019, February). A deep learning facial expression recognition based scoring system for restaurants. In 2019 International Conference on Artificial Intelligence in Information and Communication (ICAIIC)(pp. 251-254). IEEE.