Vista general
Sistemas de Microfy, una empresa española especializada en microscopios digitales asequibles impulsados por IA para la industria alimentaria, recibió un amplio apoyo de validación de nodo español agrifoodTEF en el Universitat de Lleida (UdL) y Universidad de Córdoba (UCO).
Los servicios se centraron en validar dos soluciones innovadoras: Fungi.AI, un sistema automatizado de microscopía para el análisis del crecimiento fúngico y el recuento de esporas, y Honey.AI, un microscopio inteligente para la evaluación automatizada de la calidad de la miel mediante análisis de polen. A través de pruebas colaborativas, UdL validó la versatilidad de Fungi.AI a través de múltiples cepas fúngicas y medios de cultivo, al tiempo que realizó una evaluación de la Experiencia del Usuario (UX), mientras que UCO validó la precisión de Honey.AI en el análisis de polen y polen corbicular en comparación con los métodos melissopalinológicos tradicionales.
España
- Cultivos herbáceos
- Procesamiento de alimentos
- Cultivos de árboles
El reto
La industria agroalimentaria se enfrenta a una creciente presión para aumentar la eficiencia de la producción al tiempo que desarrolla alternativas sostenibles como las proteínas a base de micelio. Los métodos tradicionales de laboratorio para el cribado de cepas fúngicas y el análisis de la calidad de la miel requieren mucho tiempo, mucha mano de obra y personal altamente especializado, lo que crea cuellos de botella críticos en I+D y control de calidad.
Microfy Systems necesitaba validar sus soluciones de microscopía impulsadas por IA más allá de las pruebas iniciales. Fungi.AI solo se había probado con una sola cepa fúngica, lo que limitaba la viabilidad comercial. Requerían pruebas de versatilidad en múltiples especies, condiciones de medios de cultivo y métricas de precisión. Del mismo modo, Honey.AI necesitaba una validación independiente contra los métodos melisopalinológicos tradicionales para demostrar la fiabilidad lista para el mercado y demostrar que los no expertos podrían lograr resultados de grado profesional de forma autónoma.
El servicio agrifoodTEF
nodo español agrifoodTEF entregó una validación integral a través de tres servicios a través de pruebas colaborativas entre la Universitat de Lleida (UdL) y la Universidad de Córdoba (UCO).
Validación de Fungi.AI (UdL): UdL validó el sistema automatizado de microscopía de Fungi.AI a través de múltiples cepas de hongos, probando el conteo y la detección de esporas, el análisis de la tasa de crecimiento y la medición del diámetro en placas de microtítulos estándar. El sistema combina el análisis de imágenes impulsado por IA con canalizaciones basadas en la nube para la supervisión en tiempo real y la evaluación de lapso de tiempo:
Visión por ordenador para evaluaciones automatizadas de la calidad de los alimentos
Fungi.AI Evaluación de UX (UdL): La evaluación de UX paralela se realizó utilizando las normas ISO/IEC 25010:2011 que midieron la efectividad, la eficiencia y la satisfacción, asegurando que los no expertos pudieran operar el dispositivo plug-and-play de forma autónoma.
Validación de Honey.AI (UCO): UCO comparó el análisis de polen impulsado por IA de Honey.AI con los métodos melisopalinológicos tradicionales, estableciendo protocolos comunes y validando la precisión tanto en la identificación del polen como en la identificación del polen corbicular.
Esta colaboración de múltiples socios proporcionó a Microfy métricas de rendimiento técnico, validación de usabilidad y credibilidad específica de la industria, acelerando la preparación del mercado al tiempo que demuestra cómo la microscopía automatizada se integra perfectamente en los flujos de trabajo de laboratorio existentes sin requerir personal especializado.
El impacto
La validación de agrifoodTEF produjo resultados transformadores para Microfy Systems:
Avance técnico:
- La cobertura de la cepa Fungi.AI se expandió de 1 a múltiples especies de hongos, aumentando dramáticamente la viabilidad comercial
- Métricas de precisión y repetibilidad establecidas en diversas condiciones
- Honey.AI identifica especies poliníferas y nectarífugas, dando las diferencias de conteo
- Honey.AI analiza la muestra, seleccionando la zona geográfica de origen.
Eficiencia operativa:
- Ahorro de tiempo significativo en comparación con la microscopía manual tradicional
- Eliminar los requisitos de conocimientos especializados, democratizando el acceso a análisis avanzados
- El monitoreo automatizado las 24 horas del día, los 7 días de la semana permite una detección de alto rendimiento imposible de hacer manualmente.
Impacto en el mercado:
El CEO de Microfy confirmó: "Ahora estamos mucho más preparados para comercializar esta tecnología con otros usuarios potenciales". La validación independiente de UdL y UCO proporciona una credibilidad esencial en el mercado.
Sostenibilidad y escalabilidad:
Acelera el desarrollo de proteínas alternativas a base de micelio, reduciendo los impactos de la ganadería intensiva. La implementación plug-and-play permite la escalabilidad global en laboratorios e instalaciones industriales, transformando los cuellos de botella del control de calidad en ventajas competitivas para el sector agroalimentario.
Vea esta historia de éxito en YouTube
