Искусственный интеллект стремительно входит в одну из древнейших отраслей пищевой промышленности — хлебопечение. Согласно масштабному обзору, опубликованному в журнале Trends in Food Science & Technology в апреле 2026 года, нейросетевые модели уже способны прогнозировать оптимальные параметры ферментации теста, контролировать процесс выпечки в реальном времени и даже предсказывать вкусовые характеристики готового хлеба до начала производства. Пионерами внедрения стали крупнейшие мировые производители: итальянская Barilla, мексиканская Grupo Bimbo и японская Yamazaki Baking.
Итальянская группа Barilla развернула пилотный проект на основе LSTM-нейросетей (сетей долговременной и краткосрочной памяти) для мониторинга процесса ферментации теста. Система анализирует временные ряды данных с сенсоров — температуру, влажность, уровень pH и концентрацию CO₂ — и в реальном времени определяет оптимальный момент окончания расстойки. По данным компании, технология позволила повысить однородность продукции и сократить ручное вмешательство в производственный процесс. В целом ИИ-контролируемая ферментация сокращает время расстойки примерно на 20%, а точность достижения целевой кислотности составляет 96%.
Мексиканский гигант Grupo Bimbo пошёл ещё дальше, внедрив систему управления печами на основе глубокого обучения с подкреплением (Deep Reinforcement Learning). Система использует инфракрасные сенсоры и акустический анализ для автономного контроля длительности выпечки, температуры и воздушных потоков внутри печи. Результат — значительное снижение доли недопечённой продукции и ощутимая экономия энергии. А швейцарская Nestlé R&D применила алгоритмы Random Forest и байесовскую оптимизацию для переформулирования рецептур, добившись снижения калорийности на 25%, продления срока хранения на 2,5 дня и экономии затрат на 11% без ущерба для потребительских качеств.
Японская Yamazaki Baking реализовала, пожалуй, самый футуристический подход: компания объединила электронные «нос» и «язык» с глубокими нейронными сетями для предсказания сенсорных характеристик хлеба. Система достигает корреляции выше r = 0,92 с оценками обученной дегустационной панели, фактически «пробуя» хлеб ещё до выпечки. Британская компания C-Cell, специализирующаяся на анализе качества выпечки, уже оценивает более 50 стандартных параметров продукции — от диаметра ячеек мякиша до толщины стенок и цвета корки — с помощью машинного обучения и компьютерного зрения.
Отдельное направление — ИИ для контроля закваски. Учёные из Кардиффского университета, Шаньсийского университета и Цзяннаньского университета опубликовали работу о том, как машинное обучение может сделать промышленное производство хлеба на закваске более предсказуемым. «Тысячи лет ферментация на закваске зависела от сложных сообществ молочнокислых бактерий и дрожжей. Это даёт уникальный хлеб, но делает промышленное производство непоследовательным», — объясняет доктор Файзан Садик из Кардиффского университета. ИИ-системы анализируют мультиомиксные данные для создания синтетических микробных сообществ с заданными свойствами.
Несмотря на впечатляющие результаты, эксперты отмечают ряд барьеров. Большинство внедрений остаются на пилотной стадии: устаревшее оборудование пекарен не имеет интерфейсов для передачи данных в реальном времени, а накопленных исторических данных часто недостаточно для обучения моделей. Тем не менее отрасль оценивается аналитиками как один из наиболее перспективных рынков для прикладного ИИ в пищевой промышленности — автоматизация становится не роскошью, а необходимостью в условиях хронического дефицита рабочей силы и растущих требований к стабильности качества продукции.
