Kann e Computer eng Tomate oder eng Blueberry "schmaachen"? Gutt, net genau, awer et kann d'Wëssenschaftler soen, wéi eng liichtflüchteg Substanzen an dëse Friichten se gutt schmaachen, soen d'Universitéit vu Florida Fuerscher.
University of Florida Institute of Food and Agricultural Sciences (UF/IFAS) Ziichter a Genetiker Marcio Resende wëll en "Artificial Intelligence Connoisseur" kreéieren, e Modell deen d'Fuerscher erzielt wéi eng chemesch Verbindungen - dat heescht, liichtflüchteg, Zucker, Saieren an aner chemesch Verbindungen - produzéiere déi bescht Uebst Aromen.
Fir erauszefannen ob eng Uebst oder Geméis derwäert ass ze Zucht ze ginn, probéieren d'Wëssenschaftler d'Ernteg fir de Goût a Geroch selwer, duerch Felder ze goen a Produkter individuell ze plécken.
Dës Prozesser kënne logistesch Themen presentéieren, sot den Harry Klee, en UF/IFAS Horticultural Sciences Professer a Co-Autor vun enger neier Etude dat kuckt wéi Computermodeller liichtflüchteg kënne benotzen fir Uebstgeschmaach ze moossen.
"Duerch Käschte a logistesch Aschränkungen benotzen d'Züchter normalerweis net Konsumentpanelen an hire Programmer", sot de Klee. "D'Ideal wier e grousst Konsumentpanel ze benotzen deen eng diverse Set vu potenzielle Konsumenten enthält. Mir benotzen 100 Leit, spannen eng Rei vun Alter an Ethnie. Dës Approche ass vill méi representativ fir d'Populatioun vun de Keefer.
Zënter Joeren hunn Planzenzüchter a Genetiker de Baueren gehollef méi héich Ausbezuelen ze sammelen, well Konsumentorientéiert Eegeschafte wéi Aroma méi schwéier ze moossen. Wéi och ëmmer, héich Ausbezuele si net genuch fir d'Produzenten fir an haut exigent Mäert ze konkurréiere, sot de Patricio Muñoz, en UF/IFAS Horticultural Sciences Associate Professor zoustänneg fir de Blueberry Zuchtprogramm.
D'Produzente wëssen datt wa se keng Zorten enthalen déi gutt schmaachen, hir Uebst vläicht net fir e gudde Präis verkafen oder iwwerhaapt verkafen, sot de Muñoz. Mat dëse Methoden hoffen d'Wëssenschaftler d'Produzenten ze hëllefen kompetitiv ze bleiwen an d'Konsumenten eng besser Erfahrung mat hire Produkter hunn.
Mat dëse Modeller kann e Zuchtprogramm Aroma Bewäertunge fir vill Uebst- a Geméiszorten beurteelen. Dëse Prozess war virdru limitéiert vun der Tatsaach, datt weder Wëssenschaftler nach Konsumentpanele ganz vill Varietéiten op eemol testen.
Resende huet déi nei Fuerschung gefouert, déi Weeër weist fir Daten vu liichtflüchtege Substanzen an Blueberries an Tomaten an e statistesche Modell ze kréien. D'Fuerschungsresultater sinn elo limitéiert op déi zwee Friichten, awer wäerte spéider op aner Kulturen ausgebaut ginn, déi UF/IFAS Fuerscher entwéckelen.
Fir hir nei Etude ze maachen, hunn UF / IFAS Fuerscher Tomaten a Blueberry Zuchtprogrammdaten aus der leschter Dekade benotzt.
Si hunn e verschiddenste Set vun Tomaten- a Blueberry Varietéiten zu Konsumplacke bei der UF Sensory Lab zu Gainesville. D'Wëssenschaftler hunn dunn Bewäertunge gesammelt iwwer Aromaattributer wéi "Léift", Séissegkeet, Sauerkeet, Aromaintensitéit an Umami.
UF / IFAS Fuerscher hunn d'Gamme vu Partituren getest, déi hinnen soen wéi vill e Konsument e Goût gär huet. Wéi et sech erausstellt, hunn liichtflüchteg bis zu 56% vun de "wéi" Partituren erkläert, wat de Beweis verstäerkt datt liichtflüchtege Substanzen wichteg sinn fir ze bestëmmen wéi vill Konsumenten d'Fruucht gär hunn. Volatile sinn och wichteg fir d'Wichtegkeet vum Fruuchtaroma ze quantifizéieren an ze schätzen, sot de Resende.
Ausserdeem hunn d'Fuerscher gewisen datt Maschinnléiere Approche allgemeng déi bescht Prädiktoren vu Konsumentegeschmaachvirléiften sinn, genannt metabolomesch Selektioun. Genauegkeet vun der metabolescher Selektioun si méi héich wéi Modeller déi genomesch Daten benotzen amplaz, wat d'Potenzial vun dëser neier Method bei Zuchtapplikatiounen ervirhiewen.
"Ech mengen, den Haaptpunkt ass datt Ziichter eng méi grouss Unzuel u Proben kënnen screenen", sot de Resende, en UF / IFAS Assistent Professer fir Hortikulturwëssenschaften. "Op dës Manéier hutt Dir e méi breet Trichter fir déi gutt schmaacht Varietéiten z'identifizéieren, an op engem Punkt maachen d'Geschmaachtestplacke eng definitiv Auswiel mat de sensoreschen Donnéeën. Mir erwaarden datt dës Modeller eng fréier Integratioun vum Goût als Zuchtziel erméiglechen an d'Selektioun an d'Verëffentlechung vu méi schmackhafte Fruuchtzorten encouragéieren.
Zousätzlech zu Resende, abegraff ënner deenen aneren UF / IFAS Fakultéit, déi d'Computermodellmethod fir Geschmaachtesten ënnersicht hunn, waren Klee, Muñoz an Denise Tieman, e Fuerschungsassistent Professer - all dräi am Departement Horticultural Sciences; De Charlie Sims, e Professer fir Liewensmëttelwëssenschaften a mënschlech Ernährung an den Nikolay Bliznyuk, en Associé Professer fir landwirtschaftlech a biologesch Ingenieuren. D'Aarbecht ass och fir d'éischt vum Ph.D. Student Vincent Colantonio a Fuerschungsassistent Wëssenschaftler Luís Felipe Ferrão.
Klickt hei ënnen fir e Video an deem Resende dës nei AI Fuerschung erkläert.
- Brad Buck, Universitéit vu Florida