TUM-startup använder optisk AI för att sortera upp till tio ton potatis per timme

Karevo, ett spin-off-företag från Tekniska universitetet i München (TUM), har utvecklat en AI-driven maskin som automatiserar potatissortering och kan hantera upp till tio ton potatis per timme.

Systemet använder optisk igenkänning och en AI-modell, som uppnår 95 procents noggrannhet vid identifiering av defekter och oönskade material. Modellen har tränats med över 100 000 bilder och kan upptäcka sju olika typer av potatisdefekter, inklusive röta, sprickor och skador orsakade av dvärgbandmask.

En av systemets nyckelfunktioner är dess förmåga att sortera även osköljda potatisar. Enligt Karevos grundare Benedikt Keßler har många andra detektionsmetoder svårt med osköljda potatisar eftersom deras utseende kan variera avsevärt beroende på jordmån, region och lagringsförhållanden.

Karevos AI-modell kan snabbt anpassas till de specifika potatisarna som bearbetas på varje gård. Företaget har designat sin maskin specifikt för små och familjeägda gårdar, eftersom många befintliga sorteringsmaskiner är för dyra, för stora eller för svåra att underhålla för mindre jordbruksföretag. Karevos system är mindre, mer prisvärt och har en modulär design som förenklar underhåll och integration i befintliga system.