FEAST: Neues Modell für FoodEx2‑Klassifizierung mit Retrieval‑Ansatz

Die Europäische Behörde für Lebensmittelsicherheit (EFSA) nutzt seit Jahren das FoodEx2‑System, um Lebensmittelbeschreibungen in ein standardisiertes, mehrschichtiges Klassifikationsschema zu überführen. Trotz seiner Bedeutung stößt die Praxis an Grenzen: komplexe Label‑Abhängigkeiten, knappe Daten und eine enorme Anzahl möglicher Ausgaben erschweren die automatische Zuordnung.

Der neue Ansatz namens FEAST (Food Embedding And Semantic Taxonomy) adressiert diese Probleme gezielt. Durch die Kombination von Retrieval‑Techniken und tiefen metrischen Lernmethoden wird die Klassifikation in drei klar abgegrenzte Phasen unterteilt: zunächst wird der Basisbegriff des Lebensmittels erkannt, anschließend werden die relevanten Facetten‑Labels (z. B. Produktionsmethode) als Multi‑Label‑Set vorhergesagt, und schließlich werden für jede Facette die passenden Deskriptoren (z. B. „organisch“) zugeordnet.

FEAST nutzt die hierarchische Struktur von FoodEx2, um das Training gezielt zu steuern. Die Retrieval‑Komponente sucht nach semantisch ähnlichen Einträgen in einer großen Referenzdatenbank, wodurch das Modell robuste, diskriminative Einbettungen erzeugt. Diese Einbettungen ermöglichen eine präzisere Unterscheidung zwischen sehr ähnlichen Lebensmittelkategorien, selbst wenn die Trainingsdaten knapp sind.

Durch die Kombination aus struktureller Anleitung und fortschrittlichem metrischem Lernen bietet FEAST einen vielversprechenden Weg, die Genauigkeit und Effizienz der FoodEx2‑Klassifizierung zu steigern. Damit wird ein wichtiger Schritt in Richtung automatisierter Lebensmittelüberwachung und -analyse in ganz Europa unternommen.