MICOVISION

Origen

MICOVISION es uno de los proyectos primarios (PP26), perteneciente al Proyecto Tractor FOODECO dentro del PERTE AGROALIMENTARIO – Cadena de Valor Hortofrutícola.

FOODECO tiene el objetivo principal de generar una renovación del ecosistema de las diferentes cadenas de valor de la industria agroalimentaria para llevar a cabo una transformación digital y ecológica por medio de actividades de I+D+i en las diferentes cadenas de valor: Cadena de Valor del Hortofrutícola; Cadena de Valor Pesquera; Cadena de Valor Aceitunas; Cadena de Valor Productos Cárnicos; Cadena de Valor de Maquinaria Transversal; Cadena de Valor de Tecnologías Transversales.

Objetivos de MICOVISION

MICOVISION es un proyecto de  Investigación aplicada cuyo objetivo principal es la investigación aplicada de un sistema autónomo de análisis de riesgo de contaminación por hongos en plantas aromáticas destinadas a la elaboración de tisanas y sazonadores, mediante la aplicación de sistemas de visión artificial con inteligencia artificial en forma de Vision Transformers Multi-Eje (MaxViT) que permita mejorar la seguridad alimentaria y reducir la proliferación de los elementos biológicos que puedan producir micotoxinas perjudiciales para el organismo humano y animal.

Con ello, se llevará a cabo un proyecto de Investigación Industrial centrado en la investigación de tecnologías disruptivas en forma de sistemas de Visión Artificial e Inteligencia Artificial tipo Multi-Axis Vision Transformers para la mejora de la seguridad alimentaria derivada de la proliferación de elementos biológicos no deseados en forma de micotoxinas.

Objetivos relacionados con el objetivo principal del proyecto:

A lo largo de la ejecución del proyecto, se llevarán a cabo diferentes investigaciones relacionadas con los objetivos del proyecto:

• Investigación de diferentes tecnologías de Visión Artificial (VA) susceptibles de aportar una alta fiabilidad en la detección de hongos y sus ciclos de proliferación, analizando la aplicabilidad de técnicas fotónicas para la captación de imágenes, entre las que se contempla el empleo de imágenes hiperespectrales, termografía infrarroja o fluorescencia.
• Investigación aplicada a diferentes arquitecturas, modelos, técnicas y algoritmos de aprendizaje IA, para determinar aquellas que permitan la identificación de hongos contaminantes que puedan producir micotoxinas a partir de imágenes digitales de material vegetal y toma de decisión en función de esa información (transferencia de aprendizaje, aumento de datos, dropout, regularización, etc).
• Investigación, diseño, entrenamiento y evaluación de modelos de Deep Learning, a partir de diferentes tipos de imágenes potencialmente disponibles basados en innovadoras arquitecturas del tipo “Vision Transformers Multi-Eje” y la posible hibridación de diferentes arquitecturas.
• Investigación de tecnologías de Inteligencia Artificial de arquitecturas tipo “Multi-Axis Vision Transformers”.
• Investigación de tecnologías de Inteligencia Artificial de hibridación de arquitecturas tipo “Vision Transformers” (ViT)”, “Convolutional Neural Networks” (CNN) y “Multi-Axis Vision Transformers (MaXViT)”
• Diseño y concepción de una herramienta de IA que permita la implementación de modelos de aprendizaje de novedosas tecnologías basadas en Vision Transformers Multi Eje y Deep Learning multicapa para la identificación de organismos contaminantes en forma de hongos productores de micotoxinas a partir de imágenes digitales de la materia prima vegetal y tomar medidas en función de esa información
• Validación del mejor modelo obtenido en forma de prueba de concepto para probar su posible utilidad en la identificación de del hongo aspergillus flavus.
• Análisis del rendimiento del modelo, evaluación de resultados y conocimiento generado.

Participantes

En MICOVISION participan empresas tanto del sector agroalimentario: GENERANDI, S.L. y GENERANDI AGRO, S.L., como del sector de tecnología de la información y ciencia computacional: INVESTIGACIÓN Y DESARROLLO INFORMÁTICO EIKON, S.L.U.  y KENUS INFORMÁTICA, S.L.