Kortnavn: RASK

Tittel: Rask og kostnadseffektiv kvalitetsvurdering av plantebasert mat

Prosjektets varighet: 2025-2028

Hovedmål:

Bygge kunnskap og utvikle metoder for optimalisering av kvalitetsvurdering i moderne landbruksproduksjon og matdistribusjonssystemer i Norge.

Delmål:

  • Utvikling av raske og pålitelige metoder for smaksvurdering av jordbær og bringebær.
  • Forbedre kunnskap om prosessering av eplemost med spektroskopiske metoder.
  • Vurdere akrylamidforløpere i poteter ved bruk av Raman-spektroskopi og bildeanalyse.
  • Predikere sukkerinnhold i poteter og løk samt deres lagringspotensial ved bruk av spektroskopiske metoder.
  • Kvalitetsvurdering av norske kornarter ved hjelp av spektroskopi og bildeanalyse.
  • Teknologisk utvikling, inkludert robotisering og maskinlæringsbaserte modeller.
  • Formidling av forskningsresultater til dyrkere, rådgivere og forbrukere, samt utvikling av brukervennlig programvare for implementering av modellene i praksis.

Prosjekteier: NIBIO

Prosjektleder/prosjektledelse: Krzystof Kusnierik, NIBIO

Kontaktpersoner: Krzysztof Kusnierek (krzysztof.kusnierek@nibio.no), Pia Heltoft (pia.heltoft@nibio.no)

Samarbeidspartnere: Bama Gruppen AS, Gartnerhallen SA, Orkla Confectionery & Snacks AS, Lantmännen Cerealia AS, Graminor AS, PlantChem AS, Nofima AS, SINTEF Manufacturing AS

Utenlandske prosjektdeltakere: ILVO – Flanders Research Institute for Agriculture, Fisheries and Food (Belgia), Texas A&M University (USA), Agilent Technologies (Storbritannia)

Finansiering: Totalt prosjektbudsjett: 16,9 millioner NOK, 88,7 % finansiert av Forskningsrådet, 4,7 % fra Grofondet, 6,6 % egeninnsats fra samarbeidspartnere.

Innhold: WP2 - Grønnsaker fokuserer på sensorbasert kvalitetsvurdering av grønnsaker.

To hovedområder:

  • Predikering av kvalitet og lagringspotensial i poteter og løk ved hjelp av spektroskopi og maskinlæring. Målet er å vurdere sukkerinnhold og kjemisk sammensetning for å forutsi holdbarhet.
  • Påvisning av akrylamidforløpere i poteter ved bruk av Raman-spektroskopi og maskinlæring. Dette er viktig for å forbedre kvaliteten på prosesserte potetprodukter (f.eks. chips).

Prosjektet inkluderer utvikling av maskinlæringsmodeller og programvare for kvalitetsvurdering, samt implementering og formidling av resultatene til næringen.