HELOINDONESIA.COM - Kecerdasan buatan (AI) berbasis data digunakan untuk menjamin kualitas tinggi kimchi yang diproduksi secara massal untuk konsumen global, menurut laboratorium kimchi yang dijalankan negara, Selasa.
Pendekatan teknologi ini menandai perubahan dari metode tradisional pembuatan kimchi, yang secara historis bergantung pada perasaan dalam proses membuat lauk pendamping tersebut.
World Institute of Kimchi (WiKim) mengumumkan pengembangan teknologi ini setelah proyek bersama selama enam bulan yang berakhir pada bulan Desember. Kolaborasi melibatkan pengembang AI dalam negeri dan sebuah perusahaan konsultan pendidikan digital.
Tujuan utama dari proyek ini adalah untuk membuat dataset yang diperlukan untuk pemeriksaan kualitas kimchi dan menciptakan model AI yang mampu menganalisis data yang terkumpul.
Dalam kolaborasi dengan penyedia solusi data berbasis di Seoul, Catalonix, dan pengembang layanan edu-tech SLI (Solution Learning Innovation), yang berbasis di Seoul, WiKim berhasil membuat dataset yang komprehensif.
Dataset ini berisi 270.000 catatan gambar warna RGB dan hiperspektral, memudahkan evaluasi kualitas makanan secara rinci pada setiap tahap proses pembuatan kimchi. Konsorsium ini mengekstraksi data ini dari berbagai tahap, termasuk penyelesaian kubis dalam larutan garam, proses pencampuran dengan bahan dan pasta pedas, serta fermentasi berikutnya.
Baca juga: Piala Asia 2024: Korea Mengejar Kemenangan di Pertandingan Pamungkas Grup E vs Malaysia
Dengan dataset ini, model AI yang dikembangkan mampu memindai dan menganalisis gambar untuk menentukan tingkat keasaman, keasinan, dan fermentasi pada setiap tahap produksi kimchi. Faktor-faktor kunci ini secara dominan mempengaruhi kualitas keseluruhan lauk pendamping tersebut.
Dataset dan model AI bersama-sama memungkinkan pemeriksaan kualitas kimchi yang efisien dan akurat di pabrik produksi. Ini melibatkan penilaian kualitas bahan, evaluasi proses pencampuran, dan pemantauan tahap fermentasi.
Selain itu, sistem ini dapat memberikan penilaian kualitas kepada kimchi yang diproduksi berdasarkan kualitas yang bervariasi, memberikan penilaian kualitas komprehensif terhadap produk akhir.
"Dengan hanya menganalisis dataset gambar, teknologi ini dapat mempercepat inspeksi kimchi massal dari tahap produksi hingga distribusi lebih cepat dari metode sebelumnya, sambil memastikan tingkat kualitas yang konsisten tinggi," kata Presiden WiKim Chang Hae-choon dalam sebuah pernyataan.
Terobosan ini diantisipasi akan meningkatkan industri kimchi Korea, yang secara tradisional kurang memiliki standar konkret untuk penentuan kualitas. Industri ini sebagian besar bergantung pada penilaian subyektif dari pembuat individu, terutama berdasarkan pengalaman pribadi mereka.
Selain itu, tenaga kerja yang semakin berkurang di negara ini, yang disebabkan oleh penuaan penduduk, menimbulkan risiko signifikan bagi industri yang lambat mengadopsi kemajuan teknologi dan sangat bergantung pada indera manusia untuk kontrol kualitas.
Baca juga: Wasabi Efektif Dalam Meningkatkan Ingatan Orang Tua
Masalah-masalah tersebut terutama muncul ketika produk kimchi negara ini semakin populer di seluruh dunia berkat ekspansi budaya Korea yang dipimpin oleh K-pop dan media sosial.
Chang menekankan perlunya mengatasi tantangan yang melekat dalam seluruh proses ekspor kimchi, mulai dari penanaman bahan hingga pengiriman produk akhir ke luar negeri. Tanpa analisis yang lebih akurat dan sistematis, memastikan kualitas yang seragam bagi konsumen kimchi global tetap menjadi tantangan yang perlu diatasi.
"Untuk memastikan kualitas yang konsisten tinggi dari kimchi yang diekspor, menjadi penting untuk meninggalkan metode tradisional kita dan mengadopsi pendekatan baru dan inovatif," kata Chang. "Model pemeriksaan kualitas kimchi berbasis AI yang non-destruktif telah mengatasi batasan-batasan masa lalu dan meningkatkan efisiensi produksi."**
Pencapaian WiKim di bawah Kementerian Sains dan ICT mengikuti pemilihan lembaga ini oleh Badan Masyarakat Informasi Nasional untuk proyek R&D nasional tahun lalu. Proyek ini bertujuan untuk mendukung penciptaan dataset untuk pembelajaran AI.