Międzynarodowy zespół kierowany przez profesora Chen Xiaodonga z NTU Singapore (po lewej) wynalazł sztuczny system węchowy, który naśladuje nos ssaka, aby dokładnie oceniać świeżość mięsa. Źródło:NTU Singapur
Zespół naukowców kierowany przez Uniwersytet Technologiczny Nanyang w Singapurze (NTU Singapore) wynalazł sztuczny system węchowy, który naśladuje nos ssaka, aby dokładnie oceniać świeżość mięsa.
„Elektroniczny nos” (e-nos) składa się z „kodu kreskowego”, który z czasem zmienia kolor w reakcji na gazy wytwarzane przez rozkładające się mięso, oraz „czytnika” kodów kreskowych w postaci aplikacji na smartfona zasilanej przez sztuczną inteligencję ( AI). E-nos został przeszkolony w rozpoznawaniu i przewidywaniu świeżości mięsa na podstawie dużej biblioteki kolorów kodów kreskowych.
Podczas testów na komercyjnie pakowanych próbkach mięsa drobiowego, rybnego i wołowego, które pozostawiono do starzenia, zespół odkrył, że ich głęboko splotowy algorytm sztucznej inteligencji sieci neuronowej, który zasila e-nos, przewidział świeżość mięsa z 98,5% dokładnością. Dla porównania zespół badawczy ocenił dokładność przewidywania powszechnie używanego algorytmu do pomiaru odpowiedzi czujników, takich jak kod kreskowy używany w tym nosie elektronicznym. Ten rodzaj analizy wykazał ogólną dokładność 61,7%.
E-nos, opisany w artykule opublikowanym w czasopiśmie naukowym Advanced Materials w październiku, może pomóc w ograniczeniu marnotrawienia żywności poprzez potwierdzenie konsumentom, czy mięso nadaje się do spożycia, dokładniej niż etykieta „Najlepiej spożyć przed” – czytamy w badaniu. zespół z NTU Singapore, który współpracował z naukowcami z Uniwersytetu Jiangnan w Chinach i Uniwersytetu Monash w Australii.
Naukowcy pod kierunkiem NTU Singapore wynaleźli sztuczny system węchowy, który naśladuje nos ssaka, aby dokładnie oceniać świeżość mięsa. Źródło:NTU Singapur
Współautor, profesor Chen Xiaodong, dyrektor Innowacyjnego Centrum Urządzeń Elastycznych w NTU, powiedział:„Nasz sztuczny system węchowy, który przetestowaliśmy w rzeczywistych warunkach, można łatwo zintegrować z materiałami opakowaniowymi i wydajnością skutkuje w krótkim czasie bez nieporęcznego okablowania używanego do zbierania sygnałów elektrycznych w niektórych e-nosach, które zostały niedawno opracowane.
„Te kody kreskowe pomagają konsumentom zaoszczędzić pieniądze, zapewniając, że nie wyrzucają produktów, które nadal nadają się do spożycia, co również pomaga środowisku. Biodegradowalny i nietoksyczny charakter kodów kreskowych oznacza również, że można je bezpiecznie stosować we wszystkich częściach łańcucha dostaw żywności, aby zapewnić świeżość żywności”.
Zgłoszono patent na tę metodę monitorowania świeżości żywności w czasie rzeczywistym, a zespół współpracuje obecnie z singapurską firmą agrobiznesową, aby rozszerzyć tę koncepcję na inne rodzaje produktów łatwo psujących się.
Nos świeżości
E-nos opracowany przez naukowców NTU i ich współpracowników składa się z dwóch elementów:kolorowego „kodu kreskowego”, który reaguje z gazami wytwarzanymi przez rozkładające się mięso; oraz „czytnik” kodów kreskowych, który wykorzystuje sztuczną inteligencję do interpretacji kombinacji kolorów na kodzie kreskowym. Aby uczynić e-nosa przenośnym, naukowcy zintegrowali go z aplikacją na smartfona, która może dać wyniki w 30 sekund.
E-nos naśladuje działanie nosa ssaków. Kiedy gazy wytwarzane przez rozkładające się mięso wiążą się z receptorami w nosie ssaków, generowane są sygnały i przekazywane do mózgu. Mózg następnie zbiera te odpowiedzi i organizuje je we wzorce, pozwalając ssakowi zidentyfikować zapach obecny podczas starzenia się i gnicia mięsa.
„Elektroniczny nos” (e-nos) składa się z „kodu kreskowego”, który z czasem zmienia kolor w reakcji na gazy wytwarzane przez rozkładające się mięso, oraz „czytnika” kodów kreskowych w postaci aplikacji na smartfona zasilanej przez sztuczną inteligencję ( AI). E-nos został przeszkolony w rozpoznawaniu i przewidywaniu świeżości mięsa na podstawie dużej biblioteki kolorów kodów kreskowych. Źródło:NTU Singapur
W e-nosie 20 kresek w kodzie kreskowym działa jak receptory. Każdy baton wykonany jest z chitozanu (naturalnego cukru) osadzonego na pochodnej celulozy i obciążonego innym rodzajem barwnika. Barwniki te reagują z gazami emitowanymi przez rozkładające się mięso i zmieniają kolor w odpowiedzi na różne rodzaje i stężenia gazów, co daje unikalną kombinację kolorów, która służy jako „odcisk palca” dla stanu każdego mięsa.
Na przykład pierwsza kreska w kodzie kreskowym zawiera żółty barwnik, który jest słabo kwaśny. Po wystawieniu na działanie związków zawierających azot wytwarzanych przez rozkładające się mięso (zwanych bioaminami), ten żółty barwnik zmienia się w niebieski, gdy barwnik reaguje z tymi związkami. Intensywność koloru zmienia się wraz ze wzrostem stężenia bioamin w miarę dalszego rozkładu mięsa.
Na potrzeby tego badania naukowcy najpierw opracowali system klasyfikacji (świeży, mniej świeży lub zepsuty) przy użyciu międzynarodowego standardu określającego świeżość mięsa. Odbywa się to poprzez ekstrakcję i pomiar ilości amoniaku i dwóch innych bioamin znajdujących się w opakowaniach ryb owiniętych w powszechnie używaną przezroczystą folię opakowaniową z PVC (polichlorku winylu) i przechowywanych w temperaturze 4°C (39°Fahrenheita) przez pięć dni w różnych odstępach czasu.
Równocześnie monitorowali świeżość tych opakowań rybnych za pomocą kodów kreskowych naklejonych na wewnętrznej stronie folii PVC bez dotykania ryb. Obrazy tych kodów kreskowych zostały zrobione w różnych odstępach czasu przez pięć dni.
Nos elektroniczny osiąga 98,5% ogólnej dokładności
Rodzaj algorytmu sztucznej inteligencji znany jako głębokie konwolucyjne sieci neuronowe został następnie przeszkolony z obrazami różnych kodów kreskowych, aby zidentyfikować wzorce w odcisku palca zapachu, które odpowiadają każdej kategorii świeżości.
Aby ocenić dokładność przewidywania ich e-nosa, naukowcy z NTU monitorowali następnie świeżość pakowanych na rynek kurczaków, ryb i wołowiny za pomocą kodów kreskowych przyklejonych do folii opakowaniowej i przechowywanych w temperaturze 25°C (77°Fahrenheita). Ponad 4000 zdjęć kodów kreskowych z sześciu opakowań mięsa zostało wykonanych w różnych odstępach czasu w ciągu 48 godzin bez otwierania różnych opakowań mięsa.
Zespół badawczy najpierw przeszkolił swój system, aby wybierać wzory wśród odcisków palców zapachowych zarejestrowanych na 3475 obrazach kodów kreskowych, a następnie przetestować dokładność systemu na pozostałych obrazach.
Wyniki ujawniły ogólną dokładność 98,5% – 100-procentową dokładność w identyfikacji zepsutego mięsa oraz 96-99-procentową dokładność w przypadku świeżego i mniej świeżego mięsa.
Dla porównania, zespół badawczy losowo wybrał 20 obrazów kodów kreskowych z każdej kategorii świeżości, aby ocenić dokładność przewidywania euklidesowej analizy odległości, powszechnie stosowanej metody pomiaru reakcji czujników, takich jak kod kreskowy używany w tym e-nosie. Ta analiza wykazała ogólną dokładność 61,7%.
Prof. Chen, przewodniczący profesora nauk o materiałach i inżynierii w NTU, powiedział:„Chociaż e-nosy były szeroko badane, nadal istnieją wąskie gardła w ich komercjalizacji ze względu na obecne problemy z dokładnym wykrywaniem i identyfikowaniem zapachu w prototypach. Potrzebujemy systemu, który ma zarówno solidną konfigurację czujnika, jak i metodę analizy danych, która może dokładnie przewidzieć odciski palców zapachowych, co oferuje nasz e-nos.
„Jego nieniszcząca, zautomatyzowana funkcja monitorowania w czasie rzeczywistym może być również wykorzystana do rozpoznawania rodzajów gazów emitowanych przez inne rodzaje łatwo psującej się żywności, gdy stają się one mniej świeże, zapewniając nową platformę o szerokim zastosowaniu do kontroli jakości żywności, która jest tym, co pracujemy nad tym teraz.”
Odniesienie:„Przenośna platforma przewidywania świeżości żywności w oparciu o kombinatorykę kolorymetrycznych kodów kreskowych i głębokie konwolucyjne sieci neuronowe” autorstwa Lingling Guo, Ting Wang, Zhonghua Wu, Jianwu Wang, Ming Wang, Zequn Cui, Shaobo Ji, Jianfei Cai, Chuanlai Xu i Xiaodong Chen , 1 października 2020 r., Zaawansowane materiały .
DOI:10.1002/adma.202004805
