Na IEEE IT2026 conference konferenciji u Žabljaku, istraživači sa Univerziteta Donja Gorica predstavili su projekat PollenTrace, koji kombinuje vještačku inteligenciju (AI) i računarstvo visokih performansi (HPC) u cilju unapređenja verifikacije autentičnosti meda. Tradicionalna analiza polena (melisopalinologija), iako pouzdana, zahtijeva mnogo vremena i visok nivo ekspertize. PollenTrace odgovara na ovaj izazov razvojem velikog skupa mikroskopskih podataka i AI pipeline-a za automatsku detekciju polena u uzorcima meda.
U okviru projekta razvija se dataset sa više od 33.000 mikroskopskih slika visoke rezolucije, baziran na preko 1.100 bioloških uzoraka prikupljenih širom Crne Gore, što omogućava razvoj skalabilnih i pouzdanih AI modela. U proof-of-concept fazi, primjenom YOLOv11 modela postignuti su rezultati od 84% preciznosti i 88% odziva, što potvrđuje potencijal za automatizovanu detekciju polena i dalju primjenu u realnim laboratorijskim uslovima.
HPC resursi su imali ključnu ulogu u treniranju modela i obradi velikih skupova podataka, naglašavajući značaj nacionalne HPC infrastrukture kroz NCC Montenegro za razvoj naprednih AI rješenja u oblasti poljoprivrede i bezbjednosti hrane.
PollenTrace predstavlja važan korak ka digitalnoj, skalabilnoj i pouzdanoj verifikaciji autentičnosti hrane, sa potencijalom da unaprijedi rad laboratorija, regulatornih tijela i industrije, uz jačanje povjerenja potrošača. PollenTrace je podržan kao PoC projekat od strane Fonda za inovacije Crne Gore.