FreshTrack: ett innovativt ramverk för bedömning av livsmedelsfärskhet med IoT-sensorer och integrerad blockchain

Varför det spelar roll för alla att hålla maten färsk

Varje gång vi slänger slokande sallad eller en brun banan kastar vi bort pengar, näring och de resurser som användes för att odla och transportera maten. Ungefär en tredjedel av all producerad mat i världen går förlorad eller slängs, mycket därför att vi inte kan avgöra exakt hur färsk den egentligen är. I denna artikel presenteras ”FreshTrack”, en ny metod för att kontinuerligt mäta och hantera matens färskhet med hjälp av små sensorer, smarta enheter och blockkedjeteknik, med målet att göra vår matarvörsel säkrare, mer effektiv och mindre slösaktig.

Ett nytt sätt att poängsätta hur färsk mat verkligen är

De flesta märkningar på mat — som ”bäst före”-datum — är grova uppskattningar baserade på ideala lagringsförhållanden. I verkligheten färdas lättfördärvliga varor som frukt, kött och mejeriprodukter genom lastbilar, lager, butiker och hemmakylar som alla utsätts för olika temperaturer och luftfuktighet. FreshTrack ersätter standardiserade datum och enkla ”färskt eller dåligt”-kontroller med en levande färskhetspoäng som förändras över tid. Med hjälp av väletablerade principer från livsmedelsvetenskap om hur värme påskyndar kemiska reaktioner och hur varma, fuktiga förhållanden gynnar mikrober, utformar författarna en matematisk modell som omvandlar temperatur, luftfuktighet och tid till en enda poäng mellan 1 och 100. Höga poäng återspeglar nyplockad kvalitet; låga poäng signalerar att maten närmar sig eller passerat den punkt då den bör ätas eller kasseras.

Smarta sensorer och enheter som övervakar maten i realtid

För att mata modellen med verkliga data förlitar sig ramverket på billiga sensorer som mäter temperatur och luftfuktighet vid maten. Dessa sensorer kopplas till en liten beräkningsenhet, såsom en Raspberry Pi, som fungerar som ett lokalt sinne. Istället för att skicka råa mätvärden till avlägsna molnservrar beräknar enheten färskhetspoängen på plats, var några minuter om det behövs. Denna lokala bearbetning undviker förseningar, fungerar även vid osäkra internetförbindelser och håller detaljerad data privat. Systemet klassificerar sedan varje objekt i en av fem lättbegripliga kategorier — Utmärkt, Bra, Medel, Under medel eller Dålig — så att människor och automatiska system kan agera snabbt utan att behöva gräva i tekniska detaljer.

Skapa förtroende med blockkedja och automatiska åtgärder

En större utmaning i delade livsmedelskedjor är förtroende: om ett företag kontrollerar databasen kan andra oroa sig för att poster kan ändras i efterhand. FreshTrack hanterar detta genom att skriva endast viktiga förändringar — till exempel när ett objekt går från Bra till Medel kvalitet — till en blockkedja, en delad digital liggare som är extremt svår att manipulera. Små program som kallas smarta kontrakt körs på denna liggare. När en färskhetskategori sjunker under en vald nivå utför dessa kontrakt automatiskt åtgärder, såsom att skicka varningar, föreslå prisrabatter för att sälja varor snabbare eller flagga produkter för borttagning. Eftersom endast kategoriförändringar, inte varje sensormätning, lagras på blockkedjan förblir systemet effektivt även när tusentals objekt övervakas.

Testning av systemet med verklig frukt

Författarna testade FreshTrack med äpplen och bananer som förvarades i en temperaturkontrollerad kammare under fyra förhållanden, från svalt (5 °C) till varmt (35 °C), samtidigt som luftfuktigheten följdes. Enkla DHT11-sensorer matade data till en Raspberry Pi, som beräknade färskhetspoäng över tio dagar. Som förväntat höll svalare och torrare förhållanden frukten fräsch mycket längre, medan värme och högre fuktighet påskyndade försämring. Modellen fångade väletablerade skillnader mellan frukter: äpplen bibehöll sin kvalitet bättre än bananer under samma förhållanden och slutade med högre poäng och bättre visuellt utseende. Teamet jämförde också lokal bearbetning med molnbaserad bearbetning och fann att beräkningar direkt på IoT-enheten drastiskt minskade fördröjningen, särskilt när kryptering lades till i molnscenarier.

Hur denna metod kan förändra dagliga matbeslut

För icke-specialister är huvudresultatet ett system som omvandlar osynliga miljöbelastningar till en enkel, pålitlig signal om hur färsk maten faktiskt är. FreshTrack visar att små sensorer och lokal databehandling kan leverera en kontinuerlig färskhetspoäng, översätta den till intuitiva kategorier och sedan använda blockkedja och smarta kontrakt för att samordna snabba åtgärder över leveranskedjan. Om systemet utvidgas från frukt till kött, skaldjur, färdigrätter och pilotprojekt i mataffärer kan det hjälpa butiker att rea varor i rätt ögonblick, omdirigera produkter nära utgångsdatum till matsäkerhetsorganisationer och ge konsumenter eller appar uppdaterad vägledning om vad som bör tillagas först — minska avfall samtidigt som säkerhet och transparens förbättras.

Citering: Masuduzzaman, M., Hassini, E., Rahaman, M.F. et al. FreshTrack: an innovative IoT-sensor-driven food freshness estimation framework integrating blockchain. Sci Rep 16, 13847 (2026). https://doi.org/10.1038/s41598-026-44579-1

Nyckelord: livsmedelsfärskhet, saker i internet, blockkedja, mataffärsavfall, smart förpackning