AI ile Bitki Bazlı Gıdalar İçin Mevzuata Uygun Perakende Etiketlerinin Otomatikleştirilmesi
Bitki bazlı gıda girişimcileri; tarif düzenlemeleri, parti ölçeklendirme ve perakende etiketlerini doğru tutma görevleri arasında mekik dokuyor. Tek bir gözden kaçan alerjen veya güncelliğini yitirmiş besin değeri bilgisi, maliyetli geri çağırmalara yol açar ve tüketici güvenini sarsar.
Nutrition Mapping Pipeline prensibi bu sorunu çözer. Her tarifi; içerik listesi, besin eşleştirmesi, alerjen matrisi ve etiket çıktısı şeklinde tekrarlanabilir bir boru hattından (pipeline) geçen bir veri seti olarak ele alırsınız. Her adımı yapay zeka destekli sorgulamalar ve kural kontrolleriyle otomatikleştirerek, bir formülü ölçeklendirmenin besin değerlerini ve alerjen beyanlarını anında güncellemesini sağlarsınız. Bu, manuel hesap tablolarına olan ihtiyacı ortadan kaldırır.
Nasıl çalışır:
İçerik alımı: Sistem tarifinizi ayrıştırır ve temel besin değerlerini almak için her bir ham maddeyi USDA FoodData Central API ile eşleştirir.
Besin ölçeklendirme: Boru hattı, bu değerleri partideki her bir içeriğin tam ağırlığıyla çarpar. Değerleri toplar ve nem kaybı veya pişirme verimi faktörlerini uygular.
Alerjen matrisi oluşturma: Bir yapay zeka modeli, her bir içeriği bir alerjen kütüphanesiyle karşılaştırarak kontrol eder. Soya veya buğday gibi hedeflenen alerjenleri işaretler ve tedarikçi verilerinden gelen çapraz temas risk puanlarını ekler.
Etiket hazırlığı: Besin profili ve alerjen listesi bir etiket oluşturma servisine aktarılır. Bu servis, Besin Değerleri (Nutrition Facts) panelini FDA veya AB kurallarına göre formatlar.
Bir girişim, yeni bir bezelye proteini burger piyasaya sürer. 2 kg'lık bir test partisini, bölgesel bir distribütör için 20 kg'a ölçeklendirirler. Nutrition Mapping Pipeline kullanarak sistem, protein ve sodyum seviyelerini yeniden hesaplar. Ayrıca, yeni bir ekmek tedarikçisinden kaynaklanan bir glüten çapraz temas riskini işaretleyerek, baskıdan önce güncellenmiş bir alerjen beyanı oluşturulmasını sağlar.
Uygulama adımları:
Veri alım katmanını oluşturun. Tarif aracınızı USDA API'sine bağlayın ve besin profillerini bir veri tabanında saklayın.
Yapay zeka alerjen mantığını devreye alın. Bir veri yükü (payload) oluşturmak için içerikleri alerjen eşikleriyle çapraz referanslayan kural tabanlı bir model çalıştırın.
Etiketleri oluşturun ve dağıtın. Besin ve alerjen veri yükü ile FoodLabelMaker API'sini çağırın. Bu servis, baskıya hazır PDF'ler döndürür ve webhook aracılığıyla yazıcınızı bilgilendirir.
Bir Besin Haritalama Hattı (Nutrition Mapping Pipeline) aracılığıyla etiket oluşturmanın otomatize edilmesi, manuel hesaplamaları ortadan kaldırır. Alerjen beyanlarının tedarikçi risk verileriyle güncel kalmasını sağlar. Bu, bitki bazlı markaların perakende düzenlemelerine tam uyum sağlarken tariflerini güvenle ölçeklendirmelerine olanak tanır.
Kaynak: https://dev.to/ken_deng_ai/automating-compliant-retail-labels-for-plant-based-foods-with-ai-2b97
İsteğe bağlı öğrenme topluluğu: https://t.me/GyaanSetuAi