Tehnicienii experimentați ies la pensie mai repede decât pot fi înlocuiți, formarea personalului nou durează ani, iar evaluarea vizuală care determină procentul de corpuri străine și de boabe defecte la baza de recepție a fost dintotdeauna subiectivă.
Un studiu controlat la un operator european important arată unde se situează astăzi inteligența artificială bazată pe imagine față de această variabilitate umană – relevant pentru o țară care a trecut de la cea mai grea secetă din ultimul deceniu la o recoltă record.
Experiența devine o resursă tot mai greu de găsit
Adevărata problemă în controlul calității cerealelor nu este viteza redusă a inspecției vizuale. Este faptul că doi tehnicieni experimentați nu văd aceeași probă în același fel.
O probă de grâu evaluată la ora 8 dimineața de o persoană și la ora 4 după-amiaza de alta poate genera un alt procent de boabe defecte, o altă evaluare a corpurilor străine și o altă clasă de calitate.
Acea clasă decide prețul plătit fermierului și celula de siloz în care este dirijat lotul.
Clauzele contractuale, evaluarea conform standardelor de comerț, documentele de recepție și reclamațiile ulterioare ale clienților se sprijină toate pe cifre care includ inerent această variabilitate.
Când o bază duce lipsă de personal experimentat și muncitorii sezonieri acoperă vârful de campanie, variabilitatea crește.
Pentru lanțul de aprovizionare din România, această variabilitate nu este teoretică. Recolta din 2024 a fost cea mai slabă din ultimul deceniu din cauza secetei – producția de grâu a scăzut la aproximativ 9,3 milioane de tone, iar porumbul la aproape 6 milioane.
Loturile cu boabe stresate de secetă, șiștave, sparte și cu un procent ridicat de corpuri străine au pus o presiune uriașă pe laboratoarele de recepție.
Apoi, 2025 a adus o revenire spectaculoasă – cea mai mare recoltă de grâu din 1997, în jur de 13 milioane de tone – adică volume uriașe care au trecut prin bazele de recepție și prin portul Constanța într-o perioadă scurtă de timp.
Fie an de secetă, fie an record, presiunea cade pe exact aceeași etapă care s-a schimbat cel mai puțin, iar campania din 2026 bate deja la ușă.
Cum arată variabilitatea – rata de concordanță între cinci tehnicieni a fost de 95,2%. Nu 100%
Pentru a o cuantifica, s-a realizat un studiu orb controlat la un operator european important.
Șaisprezece probe identice de grâu au fost evaluate în paralel de cinci tehnicieni de laborator experimentați, independenți, și de un sistem AI bazat pe imagine. Niciunul dintre tehnicieni nu a văzut rezultatele celorlalți.
Inspecția vizuală manuală în practică. Mai mulți tehnicieni evaluează probe independent unul de altul. Tocmai această variabilitate naturală între evaluatori a fost punctul de plecare al studiului controlat. (Foto: GrainODM)
Rata de concordanță între cei cinci tehnicieni a fost de 95,2%. Nu 100%. Aceasta este variabilitatea naturală între experți pe care orice laborator în funcțiune o are inerent în rezultatele sale.
Sistemul AI a ajuns la 96,2% concordanță cu cel puțin unul dintre tehnicieni și, pe întregul set de 18 categorii de impurități, s-a încadrat în același interval ca tehnicienii experimentați.
Rezultatele complete, cu toate categoriile și defalcarea pe probe, sunt documentate în studiul de caz public.
Pe lângă studiul orb, peste 600 de teste de producție au rulat timp de patru luni alături de fluxul manual, în aceeași unitate.
Concluzia nu este că AI este „la fel de precisă ca un tehnician experimentat”.
Este că tehnicianul experimentat a lucrat dintotdeauna într-un interval de variabilitate mai larg decât se admite în comerțul cu cereale, iar AI bazată pe imagine se încadrează astăzi în acel interval, oferind în același timp același rezultat la ora 8 dimineața, în tura de noapte și în a unsprezecea săptămână de campanie.
Cum funcționează sistemul
O probă de cereale, prelevată conform standardului pentru cultura respectivă, este introdusă în dispozitivul GrainODM. O cameră industrială captează fiecare bob sub iluminare standardizată.
Un model antrenat pe arhiva proprie de impurități a operatorului clasifică proba în aproximativ trei secunde: boabe sănătoase, boabe sparte, semințe străine, semințe de buruieni, boabe atacate de dăunători, boabe încolțite și clase de defecte specifice culturii, de la cinci la peste treizeci pe cultură.
Sistemul analizează în prezent grâu, rapiță, ovăz și semințe de cânepă, iar modelul poate fi antrenat pentru orice altă cultură pe baza probelor proprii ale operatorului.
Rezultatul este un raport digital plus o fotografie salvată a probei, cu marcaje AI care arată ce a fost clasificat și cum.
Acea imagine este dovada care poate fi folosită într-un arbitraj GAFTA, un dezacord cu un cumpărător sau un audit de recepție. Niciun tabel rescris, nicio însemnare de registru de descifrat.
Vedere detaliată a clasificării unui singur bob. Un bob deviant (aici, o sămânță de buruiană) este detectat automat de model și etichetat cu date de clasificare. (Foto: GrainODM)
Aceeași analiză care îi ia unui tehnician experimentat până la 30 de minute rulează pe sistem în aproximativ trei secunde, de până la 600 de ori mai rapid pe o probă comparabilă.
Sistemul nu obosește, nu se oprește la sfârșitul turei și nu trebuie format timp de doi ani înainte de a fi lăsat singur cu un lot cu parametri la limita standardului.
În uz de producție astăzi – efectele se văd la masa de laborator
JSC Grainmore, unul dintre cei mai mari producători de fulgi de ovăz și granola din zona baltică (BRC AA, Halal, Kosher), efectuează analiza ovăzului cu acest sistem la o viteză de aproximativ 75 de ori mai mare decât a procesului manual folosit anterior.
Echipa de laborator descrie schimbarea direct:
„La început, angajații verificau sistemul. Acum sistemul se asigură că angajații lucrează corect.” – Echipa de laborator, JSC Grainmore
JSC Allive, unul dintre cei mai mari producători europeni de cânepă industrială cultivată ecologic, a derulat un pilot structurat de șase luni, acoperind peste treizeci de clase de impurități specifice cânepii.
Tadas Brazdauskas, Product Compliance Manager la Allive, rezumă schimbarea:
„Înainte lucram cu ochii. Acum lucrăm cu date. Calitatea a devenit un fapt, nu o opinie.” – Tadas Brazdauskas, Product Compliance Manager, JSC Allive
Printre utilizatori se numără și un operator logistic important de cereale din zona baltică și un laborator de inspecție internațional acreditat GAFTA, iar instalări-pilot sunt în desfășurare la doi comercianți mari de cereale din Europa Centrală.
De ce se schimbă fluxul de lucru
Modul în care cerealele sunt evaluate cu ochiul liber aproape nu s-a schimbat de generații: un ochi format, un cântar de precizie, ghidul de standarde vizuale, un registru.
Aproape fiecare altă etapă din lanț a fost automatizată. Camioanele sunt cântărite automat, corpurile străine sunt cernute și cântărite mecanic, umiditatea și proteina sunt citite prin NIR, iar indicele de cădere se determină pe echipamente dedicate, mai ales în anii cu ploi la recoltare.
Decizia vizuală de calitate la baza de recepție este una dintre ultimele etape din lanț care se face încă, în esență, manual.
Cu timpul de analiză redus de la 30 de minute la trei secunde și o precizie care se încadrează în intervalul natural al tehnicienilor seniori, analistul senior se poate concentra pe loturile contestate, discuțiile cu fermierii, calibrarea claselor noi de defecte și deciziile de segregare.
Muncitorii sezonieri nu mai iau decizii subiective pe care firma trebuie să le apere trei luni mai târziu.
Contractele, arbitrajele GAFTA, auditurile și reclamațiile cumpărătorilor sunt susținute de o fotografie a boabelor reale din probă, cu marcaje AI care arată exact ce bob a fost clasificat și cum.
Pentru bazele de recepție, exportatorii, morile și fabricile de furaje din România care au încercat să rezolve problema capacității de laborator angajând mai mulți oameni, aceasta este o soluție de alt fel.
