Efterspørgslen på plantebaserede fødevarer er stigende verden over. Særligt ærter er en spirende kilde til et højt protein-indhold som erstatning for kød. Ærten er med sit lille klimaaftryk samtidig bæredygtig at dyrke og giver et højt udbytte. Men de ærtesorter vi dyrker i dag, kræver en intens forarbejdning i industrien.
”I dag bruger vi meget få ærtesorter i landbruget, som primært produceres på grund af deres egenskaber som grisefoder, men som ikke er tænkt som protein i en plantebøf. Ligesom et æble ikke bare er et æble, er en ært heller ikke bare er en ært, selvom det opleves sådan i supermarkedet,” siger lektor René Lametsch fra Institut for Fødevarevidenskab.
I jagten på at finde egnede ærtesorter har forskere fra Institut for Fødevarevidenskab på Københavns Universitet udviklet en ny AI-metode. Den har de har sluppet løs i den nordiske genbank NordGen, der bl.a. rummer næsten 2.000 forskellige typer ærter, for at udpege gamle ærtesorter, der egner sig godt som planteprotein til mennesker.
”Genbankerne rummer en enorm variation, som stort set ikke bliver udnyttet i dag. Vores metode gør det muligt at udnytte plante-ressourcerne i genbanken og finde de mest interessante typer hurtigt,” siger René Lametsch.
Glat eller rynket? 51 lovende ærtesorter fundet
Ved hjælp af den nye AI-metode har forskerne fundet 51 gamle ærtesorter, som ikke længere bruges i landbruget, men som ser ud til at have lovende egenskaber som plantemad med bl.a. højt stivelse- og proteinindhold.
Metoden kan automatisk måle frøenes form, farve, størrelse og overflade ud fra helt almindelige fotografier. Kombinationen af billeddata og information om proteiner gør det muligt at lade AI’en udvælge et lille, men repræsentativt udvalg af ærter, som derefter kan analyseres i dybden.
”Der er vidt forskellige funktioner fra sort til sort, særligt i stivelses- og proteinindhold, og derfor kan det give rigtigt god mening at genoplive nogle af de gamle sorter i vores jagt på gode ingredienser til nye typer plantebaserede fødevarer,” siger René Lametsch.