Food Safety Prediction (KB-33-012-010)

  • van der Geest, Lonneke (Project Leader)

Project: EZproject

Project Details

Description

 

Recentelijk is aangetoond voor voedselfraude dat een voorspelmodel gebaseerd op kunstmatige intelligentie (AI), in het bijzonder Bayesian Networks, een hoge correcte voorspelling kan realiseren. Dit resultaat is veelbelovend en het is daarom van belang om na te gaan of deze benadering ook werkt in andere voedselveiligheidsdomeinen en databronnen. Automatiseren van data extractie, processing en visualisering in een centrale data infrastructuur met big data capaciteit is nodig om dit proces efficiënt te laten werken.

Risicos in de voedingsketen worden door allerlei interne en externe factoren beïnvloed. Dit kan bijvoorbeeld zijn hygiëne tijdens transport, de kwaliteit van het toezicht tijdens de productie, kwaliteit van grondstoffen, maar ook klimaat en economische factoren zoals handelsstromen en productprijs. Om tijdig voedselveiligheidsproblemen te identificeren en adequate maatregelen te kunnen nemen is een systeembenadering nodig waarbij al deze factoren in hun samenhang worden bekeken. Binnen dit onderzoek is onderzocht in hoeverre nieuwe technologieën in het domein van kunstmatige intelligentie, in het bijzonder Bayesian Networks, gebruikt kunnen worden om voedselveiligheidsgevaren te voorspellen. De resultaten zijn veelbelovend. Voorspellingen met een 90% zekerheid kunnen gehaald worden en zijn gedemonstreerd voor de melkketen in Nederland. Deze modellen maken gebruik van data uit vele verschillende databronnen en zijn daarom arbeidsintensief. In ons onderzoek is de data extractie, processing en visualisatie geautomatiseerd door gebruik te maken van de High Performance Cluster computer van WUR en Openshift. De ontwikkelde systeem benadering, algoritmen en ICT processen kunnen vervolgens ook in andere onderzoeksgebieden worden toegepast.

StatusFinished
Effective start/end date1/06/1831/12/18

Research Output

Open Access
  • 1 Citation (Scopus)