TOMRA 5S Blueberry ile yaban mersininde ince ayrım: meyveyi doğru pazara yönlendirmek amaçlanıyor

TOMRA Food, yeni 5S Blueberry sınıflandırma platformuyla yaban mersininde tek tek meyve analizi ve pazar ihtiyaçlarına göre ayırma özelliklerini öne çıkarıyor. Sistem kullanım kolaylığı ve yapay zekâ destekli görüntü eğitimiyle, meyvenin değerini maksimize etmeye odaklanıyor.

Tek tek meyveye göre sınıflandırma

TOMRA Food kıdemli ürün yöneticisi Troy Cleaver, yaban mersini sınıflandırmasında geleneksel "iyi/kötü" ayrımının yerini daha ince kategorilere bıraktığını belirtiyor. Son yıllarda yetiştirme programlarının daha büyük ve sert meyveler geliştirmesi, pazarda premium segmentin büyümesine yol açtı.

Toplu ayırmadan hat bazlı sınıflandırmaya

Bu değişim, TOMRA'nın toplu (bulk) ayırmadan her meyveyi ayrı değerlendirebilen "lane grading" yaklaşımına geçmesine neden oldu. Yeni platform, artık her yaban mersinini tek tek analiz ederek farklı ticari kullanım alanlarına yönlendirme olanağı sağlıyor.

Değeri korumak ve israfı azaltmak

Firma, sınıflandırmanın amacını düşük kalitede görünen meyveleri atmak değil, uygun bir ticari sonuca yönlendirmek olarak tanımlıyor. Örneğin belirli meyveler hızlı tüketim için süpermarket rafına, bazıları ise dondurulmuş (IQF) ürünlere ya da işlenmiş ürünlere ayrılabiliyor; böylece eskiden değerlendirilemeyen partilerin komersiyel değeri artırılabiliyor.

Pazar gereksinimlerine göre esneklik

Cleaver, yumuşaklık gibi özelliklerin hangi pazar için kabul edilebilir olduğunun değişken olduğunu vurguluyor. Yerel tüketime uygun kalite kriterleri ile uzun mesafe ihracat için gereken dayanıklılık farklılık gösteriyor; bu yüzden operatörlerin kendi hedef pazarlarına göre ayar yapabilmesi önem taşıyor.

5S Blueberry platformu ve kullanım kolaylığı

Şirketin yeni platformu 5S Blueberry, kullanıcıların sistemi pazar taleplerine göre kalibre etmesine izin veriyor. Üzerinde durulan nokta, yüksek teknolojiyi operatörler için basitleştirmek; mevsimlik iş gücü ve değişken koşullara hızlı adaptasyon sağlamak.

Yapay zekâ ve görüntü verisi

Cleaver, sistemde yapay zekâ modellerinin kullanıldığını ve bu modellerin yüzbinlerce görüntü üzerinde eğitildiğini belirtiyor. Amaç, operatörün karar sürecini zorlaştırmak değil, hızlı ve güvenilir ayrım yapılmasını kolaylaştırmak.

Sonuç: Ticari performansı şekillendirmek

Firma açısından esas hedef, her partinin ticari performansını en iyi şekilde yönetmek. Meyve kategorilerinin parçalanmasıyla birlikte, her meyvenin doğru sonuca atfedilmesi; kalite tespiti kadar işletme için kritik hale geliyor.

Hızlı özet (özgün maddeler)

• Şirket: TOMRA Food; konuşulan kişi: Troy Cleaver (kıdemli ürün yöneticisi).
• Yeni platform: 5S Blueberry — bireysel meyve analizine odaklı.
• Trend: Son 5–10 yılda premium yaban mersini çeşitlerinin artışı.
• Hedef: Meyveyi uygun pazara yönlendirerek israfı azaltmak (ör. IQF, yerel raf).
• Teknik: Kullanım kolaylığı ve yapay zekâyla yüzbinlerce görüntü üzerine eğitim.
• Yayım: FreshPlaza, 11 Haziran 2026.