في عالمنا اليوم، تعتبر جودة الغذاء من المسائل الحيوية التي يستوجب العمل عليها لتحسين صحة المستهلكين. وفي الآونة الأخيرة، أصبحت تقنيات التصوير الطيفي العالي (Hyperspectral Imaging) إحدى الأدوات القوية لتقدير جودة الأغذية. ومع ذلك، لا يزال تقدير نضارة الأسماك تحديًا كبيرًا بسبب الفروق القوية بين كل قطعة سمك ونظيرتها، إضافة إلى نقص البيانات المُعلمة.

قدمت الأبحاث الجديدة إطار عمل فريد من نوعه يُعرف بالتعلم القليل (Few-Shot Learning)، والذي يتيح تقدير نضارة الأسماك استنادًا إلى صور الطيف العالي. حيث يعمل كل فيليه سمك كعملية مهمّة منفصلة، مع رأس توقُّع يرتكز على طريقة تتبع التغييرات في النضارة. من المثير للاهتمام أن هذا النظام الجديد تحقق من دقة عالية، متجاوزًا طرق التقدير التقليدية.

عند اختبار الطريقة على مجموعة بيانات Salmon HSI التي تمتد على 16 يومًا، حققت النتائج معدل خطأ متوسط بلغ 1.58 يوم ودقة بلغت 72.3% مع ثلاثة أيام مُعلمة فقط لكل فيليه، مما يعد إنجازًا مذهلاً مقارنة بالخيارات التقليدية التي تتطلب مزيد من البيانات.

يعتبر هذا التطور بمثابة نقلة نوعية في قياس نضارة الأغذية، مما يفتح الأبواب لتطبيقات مستقبلية عديدة في مجال معالجة البيانات الحسية وتحسين سلسلة الإمداد الغذائية.