Forskning i kemometri, kunstig intelligens og machine learning ved Institut for Fødevarevidenskab

Dataanalysegruppen ved Institut for Fødevarevidenskab på Københavns Universitet (KU FOOD) har forsket i machine learning (ML) og kunstig intelligens (AI) i mere end 25 år. Anvendelsen af disse værktøjer i fødevareindustrien og til analyse af data fra fødevarer kaldes kemometri.

Vi analyserer prøver af fødevarer og indsamler store mængder data, der kan bruges til at løse komplekse problemer og afdække helt nye fænomener. Målet er ikke kun at forudsige resultatet/funktionen, men også at få en bedre forståelse af fødevaresystemet. Det skal hjælpe ingeniører og fødevareforskere med at undersøge og fortolke komplekse biologiske systemer.

På KU FOOD bruger vi dataanalyse til at måle egenskaber og funktioner i alt fra råmaterialer til slutprodukter, så vi kan optimere og karakterisere fødevareproduktion, produktet og dets slutkvalitet. Dette anvendes i vidt omfang til identifikation af råmaterialer, procesmonitorering og optimering, afdækning af fødevaresvindel og forfalskning, gastronomi, forståelse af biologien bag fermentering, smagsdannelse og smagsopfattelse, proteomics, metabonomics og mange andre områder. (Se også Foodomics på KU FOOD)

Da vi arbejder med dataanalyse, beskæftiger vores grundforskning sig med statistik, kunstig intelligens, matematisk optimering og machine learning, men den er også forbundet med de observerede datas fysiske og kemiske karakteristika. Kort sagt kemometri.

 

 

 

Kernefaglighed i procesmonitorering, metabolomics og spektroskopi