La gestion de la qualité et la réduction des pertes postrécolte constituent des enjeux majeurs pour les filières fruitières mondiales et pour le Maroc. Une équipe de chercheurs d’Oregon State University et de Florida State University propose une solution simple et potentiellement disruptive : un système d’intelligence artificielle utilisable sur smartphone capable d’estimer la fermeté et la qualité interne des avocats à partir d’images, avec des niveaux de performance prometteurs.
Les chercheurs ont entraîné leurs modèles sur plus de 1 400 images d’avocats Hass prises à l’iPhone. Le système prédit la fermeté, indicateur clé de maturité, avec une précision proche de 92 % et distingue la qualité interne fraîche ou pourrie avec une précision supérieure à 84 %. Ces scores suggèrent que l’outil peut aider aussi bien le consommateur que l’acteur professionnel à décider du moment optimal de consommation ou de mise sur le marché.
L’approche diffère des études antérieures par l’emploi d’algorithmes de deep learning qui capturent automatiquement des informations complexes de forme, texture et motifs spatiaux, là où les méthodes classiques exigeaient une sélection manuelle de caractéristiques. Selon les auteurs, cette automatisation améliore la robustesse et la capacité prédictive du système.
Les applications pratiques sont multiples. À domicile, l’application pourrait éviter la déception de découvrir un fruit noirci à l’intérieur après l’avoir coupé. En milieu industriel, la technologie pourrait être intégrée aux lignes de tri et de conditionnement pour orienter des lots plus mûrs vers des points de vente proches et optimiser les flux logistiques. Les détaillants pourraient l’utiliser pour prioriser la rotation des stocks et réduire les pertes en rayon.
Les auteurs insistent sur le potentiel d’extension à d’autres produits alimentaires. L’avocat a été choisi pour sa forte valeur marchande et son taux élevé de gaspillage, mais le même principe d’analyse visuelle assistée pourrait servir la détection de défauts ou la maturation d’autres fruits et légumes.
Les chercheurs reconnaissent que la performance du modèle devrait encore s’améliorer à mesure que la base d’images s’enrichira. Ils proposent de poursuivre les travaux et de tester la technologie en conditions opérationnelles, tant chez les consommateurs que dans les installations de transformation et les chaînes d’approvisionnement.
Pour les filières marocaines d’avocat, qui se développent fortement à l’export et en marché local, cette innovation mérite d’être suivie de près. Un outil mobile de prédiction de maturité peut réduire le gaspillage, améliorer la satisfaction client et optimiser les décisions de collecte et d’expédition, à condition d’être adapté aux variétés locales et aux conditions de terrain.
Source
https://news.oregonstate.edu/news/smartphone-powered-ai-predicts-avocado-ripeness