Ett internationellt team ledd av NTU Singapores professor Chen Xiaodong (vänster) har uppfunnit ett artificiellt luktsystem som efterliknar däggdjursnäsan för att bedöma köttets färskhet korrekt. Kredit:NTU Singapore
Ett team av forskare under ledning av Nanyang Technological University, Singapore (NTU Singapore) har uppfunnit ett artificiellt luktsystem som efterliknar däggdjursnäsan för att korrekt bedöma köttets färskhet.
Den "elektroniska näsan" (e-näsa) består av en "streckkod" som ändrar färg över tiden som reaktion på de gaser som produceras av kött när det sönderfaller, och en streckkodsläsare i form av en smartphone-app som drivs av artificiell intelligens ( AI). E-näsan har tränats för att känna igen och förutsäga köttets färskhet från ett stort bibliotek av streckkodsfärger.
När de testades på kommersiellt förpackade kyckling-, fisk- och nötköttprover som lämnades att åldras, fann teamet att deras djupa konvolutionella neurala nätverks AI-algoritm som driver e-näsan förutspådde färskheten hos köttet med en 98,5 procents noggrannhet. Som en jämförelse utvärderade forskargruppen prediktionsnoggrannheten hos en vanlig algoritm för att mäta responsen från sensorer som streckkoden som används i denna e-näsa. Denna typ av analys visade en total noggrannhet på 61,7 procent.
E-näsan, som beskrivs i en artikel publicerad i den vetenskapliga tidskriften Advanced Materials i oktober, skulle kunna bidra till att minska matsvinnet genom att bekräfta för konsumenterna om kött är lämpligt att äta, mer exakt än vad en "Bäst före"-märkning skulle kunna, sa forskningen team från NTU Singapore, som samarbetade med forskare från Jiangnan University, Kina och Monash University, Australien.
Forskare ledda av NTU Singapore har uppfunnit ett artificiellt luktsystem som efterliknar däggdjursnäsan för att bedöma köttets färskhet korrekt. Kredit:NTU Singapore
Medförfattare professor Chen Xiaodong, chef för Innovative Center for Flexible Devices vid NTU, sa:"Vårt proof-of-concept artificiella luktsystem, som vi testade i verkliga scenarier, kan enkelt integreras i förpackningsmaterial och avkastning resulterar på kort tid utan de skrymmande ledningar som används för insamling av elektrisk signal i vissa e-nosar som utvecklades nyligen.
”Dessa streckkoder hjälper konsumenterna att spara pengar genom att se till att de inte slänger produkter som fortfarande är lämpliga för konsumtion, vilket också hjälper miljön. Den biologiskt nedbrytbara och giftfria karaktären hos streckkoderna innebär också att de säkert kan appliceras i alla delar av livsmedelsförsörjningskedjan för att säkerställa matens färskhet.”
Ett patent har lämnats in för denna metod för realtidsövervakning av livsmedels färskhet, och teamet arbetar nu med ett jordbruksföretag i Singapore för att utvidga detta koncept till andra typer av färskvaror.
En näsa för fräschör
E-näsan som utvecklats av NTU-forskare och deras medarbetare består av två delar:en färgad "streckkod" som reagerar med gaser som produceras av ruttnande kött; och en streckkodsläsare som använder AI för att tolka kombinationen av färger på streckkoden. För att göra e-nosen bärbar integrerade forskarna den i en smartphone-app som kan ge resultat på 30 sekunder.
E-näsan efterliknar hur en däggdjursnäsa fungerar. När gaser som produceras av ruttnande kött binder till receptorer i däggdjursnäsan, genereras signaler och överförs till hjärnan. Hjärnan samlar sedan in dessa svar och organiserar dem i mönster, vilket gör att däggdjuret kan identifiera lukten när kött åldras och ruttnar.
Den "elektroniska näsan" (e-näsa) består av en "streckkod" som ändrar färg över tiden som reaktion på de gaser som produceras av kött när det sönderfaller, och en streckkodsläsare i form av en smartphone-app som drivs av artificiell intelligens ( AI). E-näsan har tränats för att känna igen och förutsäga köttets färskhet från ett stort bibliotek av streckkodsfärger. Kredit:NTU Singapore
I e-näsan fungerar streckkodens 20 streck som receptorer. Varje bar är gjord av kitosan (ett naturligt socker) inbäddat på ett cellulosaderivat och laddat med en annan typ av färgämne. Dessa färgämnen reagerar med de gaser som släpps ut av ruttnande kött och ändrar färg som svar på olika typer och koncentrationer av gaser, vilket resulterar i en unik kombination av färger som fungerar som ett "doftfingeravtryck" för köttets tillstånd.
Till exempel innehåller det första strecket i streckkoden ett gult färgämne som är svagt surt. När det utsätts för kvävehaltiga föreningar som produceras av ruttnande kött (kallade bioaminer), ändras detta gula färgämne till blått när färgämnet reagerar med dessa föreningar. Färgintensiteten ändras med en ökande koncentration av bioaminer när köttet sönderfaller ytterligare.
För denna studie utvecklade forskarna först ett klassificeringssystem (färskt, mindre färskt eller bortskämt) med hjälp av en internationell standard som bestämmer köttets färskhet. Detta görs genom att extrahera och mäta mängden ammoniak och två andra bioaminer som finns i fiskförpackningar inslagna i allmänt använd transparent PVC (polyvinylklorid) förpackningsfilm och lagrad vid 4°C (39°Fahrenheit) under fem dagar med olika intervall.
De övervakade samtidigt färskheten hos dessa fiskpaket med streckkoder limmade på insidan av PVC-filmen utan att röra fisken. Bilder av dessa streckkoder togs med olika intervall under fem dagar.
E-nose uppnår 98,5 procents total noggrannhet
En typ av AI-algoritm känd som deep convolutional neural networks tränades sedan med bilder av olika streckkoder för att identifiera mönster i doftfingeravtrycket som motsvarar varje kategori av friskhet.
För att mäta prediktionsnoggrannheten hos deras e-näsa övervakade NTU-forskarna färskheten hos kommersiellt förpackad kyckling, fisk och nötkött med streckkoder limmade på förpackningsfilmen och förvarades vid 25°C (77°Fahrenheit). Över 4 000 bilder av streckkoderna från sex köttpaket togs med olika tidsintervall under 48 timmar utan att de olika köttförpackningarna öppnades.
Forskargruppen tränade först sitt system för att plocka ut mönster bland doftfingeravtrycken som fångats i 3 475 streckkodsbilder, innan de testade systemets noggrannhet på de återstående bilderna.
Resultaten avslöjade en övergripande 98,5 procents noggrannhet – 100 procents noggrannhet vid identifiering av bortskämda kött och en 96 till 99 procents noggrannhet för färskt och mindre färskt kött.
Som en jämförelse valde forskargruppen slumpmässigt ut 20 streckkodsbilder från varje färskhetskategori för att bedöma prediktionsnoggrannheten för euklidisk avståndsanalys, en vanlig metod för att mäta responsen från sensorer som streckkoden som används i denna e-näsa. Denna analys visade en total noggrannhet på 61,7 procent.
Professor Chen, rektors ordförande professor i materialvetenskap och teknik vid NTU, sa:"Även om e-näsor har undersökts omfattande, finns det fortfarande flaskhalsar för deras kommersialisering på grund av nuvarande prototypers problem med att noggrant detektera och identifiera lukten. Vi behöver ett system som har både en robust sensorinställning och en dataanalysmetod som exakt kan förutsäga doftfingeravtryck, vilket är vad vår e-näsa erbjuder.
"Dess oförstörande, automatiserade och realtidsövervakningskapacitet skulle också kunna användas för att känna igen de typer av gaser som andra typer av lättfördärvlig mat avger när de blir mindre färska, vilket ger en brett användbar ny plattform för kontroll av livsmedelskvalitet, vilket är vad vi jobbar mot nu.”
Referens:"Bärbar plattform för förutsägelse av mat-färskhet baserad på kolorimetrisk streckkodskombinatorik och djupa konvolutionella neurala nätverk" av Lingling Guo, Ting Wang, Zhonghua Wu, Jianwu Wang, Ming Wang, Zequn Cui, Shaobo Ji, Jianfei Cai, Chuanlai Chen Xu och Xiaodong Chen. , 1 oktober 2020, Avancerat material .
DOI:10.1002/adma.202004805
