Aperçu
Microfy Systems, une entreprise espagnole spécialisée dans les microscopes numériques abordables alimentés par l’IA pour l’industrie alimentaire, a reçu un soutien complet en matière de validation de la part de agroalimentaireTEF Nœud espagnol à la Universitat de Lleida (UdL) et Université de Cordoue (UCO).
Les services se sont concentrés sur la validation de deux solutions innovantes: Champignons.AI, un système de microscopie automatisé pour l'analyse de la croissance fongique et le comptage des spores, et Miel.AI, un microscope intelligent pour l’évaluation automatisée de la qualité du miel grâce à l’analyse du pollen. Grâce à des tests collaboratifs, UdL a validé la polyvalence de Fungi.AI sur plusieurs souches fongiques et milieux de culture tout en effectuant une évaluation de l'expérience utilisateur (UX), tandis que UCO a validé la précision de Honey.AI dans l'analyse du pollen et du pollen corbiculaire par rapport aux méthodes mélissopalynologiques traditionnelles.
Espagne
- Agriculture arable
- Transformation des denrées alimentaires
- Cultures d'arbres
Le défi
L'industrie agroalimentaire fait face à une pression croissante pour augmenter l'efficacité de la production tout en développant des alternatives durables comme les protéines à base de mycélium. Les méthodes traditionnelles de laboratoire pour le dépistage des souches fongiques et l’analyse de la qualité du miel prennent beaucoup de temps, nécessitent beaucoup de main-d’œuvre et nécessitent un personnel hautement spécialisé, ce qui crée des goulets d’étranglement critiques en matière de R&D et de contrôle de la qualité.
Microfy Systems devait valider ses solutions de microscopie alimentées par l'IA au-delà des tests initiaux. Fungi.AI n'avait été testé qu'avec une seule souche fongique, limitant ainsi la viabilité commerciale. Ils nécessitaient une preuve de polyvalence pour plusieurs espèces, des conditions de milieux de culture et des mesures de précision. De même, Honey.AI avait besoin d'une validation indépendante par rapport aux méthodes mélissopalynologiques traditionnelles pour démontrer une fiabilité prête pour le marché et démontrer que les non-experts pouvaient obtenir des résultats de qualité professionnelle de manière autonome.
Le service AgrifoodTEF
agroalimentaireTEF Nœud espagnol a fourni une validation complète sur trois services grâce à des tests collaboratifs entre l’Universitat de Lleida (UdL) et l’Universidad de Córdoba (UCO).
Validation de Fungi.AI (UdL): UdL a validé le système de microscopie automatisée de Fungi.AI sur plusieurs souches fongiques, testant le comptage et la détection des spores, l'analyse du taux de croissance et la mesure du diamètre sur des plaques de microtitrage standard. Le système combine l'analyse d'images basée sur l'IA avec des pipelines basés sur le cloud pour une surveillance en temps réel et une évaluation des time-lapses:
Vision par ordinateur pour les évaluations automatisées de la qualité des aliments
Évaluation de l'UX de Fungi.AI (UdL): L'évaluation parallèle de l'UX a été réalisée à l'aide des normes ISO/IEC 25010:2011 qui ont mesuré l'efficacité, l'efficience et la satisfaction, garantissant que les non-experts pouvaient faire fonctionner l'appareil plug-and-play de manière autonome.
Validation de Honey.AI (UCO): UCO a comparé l'analyse du pollen pilotée par l'IA de Honey.AI aux méthodes mélissopalynologiques traditionnelles, établissant des protocoles communs et validant la précision de l'identification du pollen et du pollen corbiculaire.
Cette collaboration multipartenaires a fourni à Microfy des mesures de performance technique, une validation de l'utilisabilité et une crédibilité spécifique à l'industrie, accélérant la préparation du marché tout en démontrant comment la microscopie automatisée s'intègre parfaitement aux flux de travail des laboratoires existants sans nécessiter de personnel spécialisé.
L'impact
La validation de l'agroalimentaireTEF a donné des résultats transformateurs pour Microfy Systems:
Avancement technique:
- La couverture des souches de Fungi.AI est passée de 1 à plusieurs espèces fongiques, augmentant considérablement la viabilité commerciale
- Établir des mesures définitives de précision et de répétabilité dans diverses conditions
- Honey.AI identifie les espèces pollinifères et nectarifères, donnant les différences de comptage
- Honey.AI analyse l'échantillon en sélectionnant l'aire géographique d'origine.
Efficacité opérationnelle:
- Gain de temps significatif par rapport à la microscopie manuelle traditionnelle
- Élimination des exigences en matière d'expertise spécialisée, démocratisation de l'accès à l'analyse avancée
- La surveillance automatisée 24/7 permet un dépistage à haut débit impossible à faire manuellement.
Impact sur le marché:
Le PDG de Microfy a confirmé: «Nous sommes maintenant beaucoup plus prêts à commercialiser cette technologie avec d'autres utilisateurs potentiels.". La validation indépendante par UdL et UCO apporte une crédibilité essentielle au marché.
Durabilité et évolutivité:
Accélère le développement de protéines alternatives à base de mycélium, réduisant ainsi les impacts de l'élevage intensif. Le déploiement plug-and-play permet une évolutivité mondiale dans les laboratoires et les installations industrielles, transformant les goulets d'étranglement du contrôle de la qualité en avantages concurrentiels pour le secteur agroalimentaire.
Regardez cette histoire de succès sur YouTube
