PRediction of Olfactory properties by Deep learnIng based on GaschromatographY

Sensorische eigenschappen (geur, smaak, textuur, uitzicht) zijn primordiaal voor het succes van een voedingsmiddel of cosmetische formulatie. Sensorische analyse krijgt een steeds belangrijkere rol in productontwikkeling en kwaliteitsbeoordeling in de Vlaamse (voedings)industrie. Bovendien is er een trend ontstaan bij bedrijven om in te zetten op 'custom made' producten.

Er is nood aan een methode om op een snelle en betrouwbare manier de sensorische eigenschappen van een product te kunnen voorspellen, zonder dat er een panel nodig is. Dit kan de ontwikkeling van een nieuw product versnellen en goedkoper maken. Dit is noodzakelijk voor bedrijven die producten op maat willen ontwikkelen. In dit project willen we met behulp van AI software ontwikkelen die op basis van een eenvoudige GC-MS analyse in staat is om de sensorische eigenschappen (smaak en geur) van een product te voorspellen en die bovendien nieuwe recepturen kan suggereren op basis van een gewenst sensorisch profiel.

Na het verzamelen van de nodige data (chemisch en sensorisch) en het programmeren van de software architectuur zal een deep learning model getraind worden. Met dit deep learning model wordt een 'receptengenerator' gekoppeld die werkt op basis van een clustermodel (SUSSOL). De software zal gevalideerd worden aan de hand van twee case studies: één in de voedingsindustrie en één in de cosmeticasector. De output van dit project bestaat uit software die op basis van een gewenst sensorisch profiel een nieuwe samenstelling van aromacomponenten kan genereren. In het bijbehorend businessplan wordt beschreven wat de beste valorisatieopties zijn voor de software.