La mel és un dels productes més complicats de cuidar, curar i emmagatzemar. Es perden moltes hores en intentar dividir el producte i les regulacions han de ser molt precises en matèria d’etiquetatge. D’aquesta manera, la tecnologia -sobretot la intel·ligència artificial és un bon aliat per intentar automatitzar aquesta classe de processos. L’empresa catalana Sonicat Systems, amb seu a l’Hospitalet de Llobregat (Barcelonès), ha solucionat exactament aquest problema. Ells han creat un microscopi digital amb IA que analitza la mel, i de manera automàtica en determina l’origen botànic i valora la seva qualitat. La tecnologia es basa en un software pioner al món que, a partir d’una base de dades interna de més de 180.000 imatges, quantifica el perfil pol·liclínic de la mel sense pràcticament requerir la intervenció humana i així garantir el correcte etiquetatge.
“Amb el sistema desenvolupat per Sonicat Systems, anomenat Honey.AI, l’objectiu és que l’apicultor, l’empresa envasadora o la cooperativa que produeix la mel pugui analitzar el producte sense necessitat d’enviar-lo a un laboratori extern, de manera que s’estalvia temps i diners”, ha apuntat Iratxe Perales, la CEO i cofundadora de Sonicat Systems. Sonicat Systems ha comptat amb el suport d’Acció, per mitjà dels Cupons d’Indústria 4.0, ajuts destinats a la implantació de noves tecnologies en processos industrials, segons el Departament d’Empresa i Coneixement.
Un microscopi robotitzat, la clau de tot
El sistema desenvolupat per la companyia catalana es basa en un microscopi senzill que han robotitzat, al qual també han incorporat una càmera, que es controla mitjançant una aplicació d’escriptori. “Hem entrenat un model d’intel·ligència artificial a partir d’una base de dades amb més de 180.000 fotografies de diferents tipologies de mel d’arreu d’Europa i diverses espècies pol·líniques perquè el sistema les aprengui a classificar”, ha dit Perales. L’usuari només ha d’introduir un portaobjectes amb una petita mostra de mel centrifugada al microscopi, que l’analitza automàticament i en pren imatges que després processa i classifica al núvol mitjançant el software que ha creat l’empresa.
El sistema aviat podrà comptar també amb un dispensador automatitzat que introdueix al microscopi fins a 24 mostres de mel, que es poden anar analitzant de forma autònoma al llarg d’un dia. D’aquesta manera, es determina l’espècie botànica d’on s’ha extret la mel per poder certificar la qualitat del producte automàticament. “No hi ha cap altre sistema igual al món“, ha remarcat Perales. “Les universitats han impulsat recerques per automatitzar imatges i existeixen programes per analitzar al·lèrgens del pol·len en l’aire, però aquestes tecnologies no s’havien aplicat mai a l’anàlisi de la mel en l‘àmbit comercial, i amb un dispositiu automatitzat”, ha reblat la directora executiva de Sonicat Systems.
Eurecat, l’aliat per a la comercialització el 2023
L’empresa ha col·laborat en els darrers mesos amb el centre tecnològic Eurecat per desenvolupar el primer disseny del dispensador automàtic Honey.AI i actualment està realitzant les primeres proves pilot del seu microscopi amb companyies clau del sector, com Granja San Francisco o Apisol. Ja disposen d’un prototip funcional i estan finalitzant el procés per obtenir el marcatge CE. Sonicat Systems preveu començar a comercialitzar el seu producte durant la primera meitat d’aquest 2023 i iniciar l’expansió internacional a partir de l’any vinent, amb els mercats de França, Portugal, Itàlia i Alemanya com a primers objectius.
Amb tot, doncs, la companyia es converteix en una de les pioneres en fer servir aquesta tecnologia i només caldrà esperar uns mesos per a veure’n els resultats de comercialització. A més, aquesta companyia compta amb el suport d’institucions catalanes dedicades específicament a donar ales a aquells projectes catalans que tenen un futur prometedor. I és que amb la col·laboració d’Acció i ara la d’Eurecat -a més de la gran idea de la companyia- Sonicat Systems es podrà convertir en el software d’anàlisi de la mel per excel·lència.
1 
1 