ابداع بینی الکترونیکی جدید برای تشخیص فساد مواد غذایی با کمک هوش مصنوعی

پژوهشگران دانشگاه کالیفرنیا برکلی موفق به توسعه یک سامانه پیشرفته موسوم به بینی الکترونیکی شده‌اند که با بهره‌گیری از ۱۶ حسگر گازی میکروسکوپی و الگوریتم‌های یادگیری ماشین قادر است فساد مواد غذایی و وجود برخی مواد آلرژی‌زا را با دقت بالا تشخیص دهد.

به گزارش interestingengineering، فساد مواد غذایی همچنان یکی از چالش‌های مهم سلامت عمومی به شمار می‌رود. مصرف‌کنندگان معمولا برای تشخیص سالم بودن مواد غذایی به تاریخ انقضا، ظاهر و بوی محصول تکیه می‌کنند، روش‌هایی که همواره قابل اعتماد نیستند و ممکن است خطرات بهداشتی را به دنبال داشته باشند.

اکنون محققان دانشگاه کالیفرنیا در برکلی راهکاری فناورانه ارائه کرده‌اند که می‌تواند ارزیابی دقیق‌تر و عینی‌تری از وضعیت مواد غذایی در اختیار مصرف‌کنندگان قرار دهد. این فناوری از ترکیب حسگر‌های گازی بسیار کوچک و نرم‌افزار‌های مبتنی بر هوش مصنوعی استفاده می‌کند تا الگو‌های شیمیایی مرتبط با فساد مواد غذایی و آلرژن‌های رایج را شناسایی کند.

به گفته پژوهشگران این سامانه در آینده می‌تواند در لوازم خانگی هوشمند و ابزار‌های پایش مواد غذایی به کار گرفته شود و به افراد کمک کند تصمیمات ایمن‌تری درباره مصرف مواد خوراکی بگیرند.

شناسایی دیجیتالی بو‌ها

این دستگاه از ۱۶ حسگر گازی میکروسکوپی تشکیل شده است که هر یک نسبت به ترکیبات شیمیایی موجود در هوا واکنش متفاوتی نشان می‌دهند. ترکیب پاسخ این حسگر‌ها هنگام قرار گرفتن در معرض مواد غذایی مختلف، الگو‌های منحصربه‌فردی ایجاد می‌کند که همانند اثر انگشت شیمیایی هر ماده غذایی عمل می‌کند.

کارلا بسیل، نویسنده اصلی پژوهش و دانشجوی دکتری مهندسی برق و علوم رایانه در دانشگاه برکلی این سامانه را به مجموعه‌ای از جوانه‌های چشایی دیجیتال تشبیه کرده است. هر حسگر بر اثر تعامل با مولکول‌های شیمیایی، سیگنال‌های الکتریکی تولید می‌کند و در نهایت یک امضای دیجیتال ویژه برای هر ماده غذایی ایجاد می‌شود.

محققان سپس مدل‌های یادگیری ماشین را آموزش دادند تا این امضا‌های شیمیایی را شناسایی و طبقه‌بندی کنند. در آزمایش‌ها سامانه روی مواد غذایی مختلفی از جمله توت‌فرنگی، بلوبری، موز، گردو، فندق، بادام هندی و بادام‌زمینی مورد ارزیابی قرار گرفت.

علاوه بر این سیستم توانست نمونه‌های تازه و فاسدشده شیر، تخم‌مرغ و مرغ خام را نیز از یکدیگر تفکیک کند.

بسیل در این‌باره گفت: ایده اصلی این است که از انتخاب‌پذیری نسبی حسگر‌های گازی در کنار توانایی یادگیری ماشین در تشخیص الگو‌ها استفاده کنیم.

به گفته وی ترکیب داده‌های حسگری با هوش مصنوعی امکان شناسایی اثر انگشت‌های شیمیایی مواد غذایی را با دقت و پایداری بیشتری نسبت به حس بویایی انسان فراهم می‌کند.

قابلیت تشخیص مواد آلرژی‌زا

نتایج این مطالعه همچنین نشان داد که این فناوری می‌تواند در شناسایی مواد غذایی آلرژی‌زا نیز کاربرد داشته باشد.

در آزمایش‌ها بینی الکترونیکی قادر بود تنها ۰٫۰۵ گرم ماده گردو را تشخیص دهد مقداری که تقریبا معادل یک‌صدم وزن یک گردوی معمولی بدون پوسته است. این سطح از حساسیت می‌تواند در آینده برای افزایش ایمنی غذایی افرادی که به آلرژی‌های شدید مبتلا هستند بسیار ارزشمند باشد.

با این حال پژوهشگران تاکید می‌کنند که این سامانه هنوز در شرایط پیچیده‌تر آزمایش نشده است. در مراحل بعدی عملکرد دستگاه در محیط‌هایی بررسی خواهد شد که مواد آلرژی‌زا با سایر غذا‌ها مخلوط شده‌اند یا چندین بو به‌طور هم‌زمان در محیط وجود دارد.

تشخیص فساد مواد غذایی

برای ارزیابی توانایی تشخیص فساد پژوهشگران نمونه‌های مرغ خام، شیر و تخم‌مرغ را به مدت ۲۴ تا ۴۸ ساعت در دمای اتاق نگهداری کردند.

نتایج نشان داد که سامانه با تحلیل تغییرات گاز‌های منتشرشده از این مواد غذایی توانست نمونه‌های تازه را از نمونه‌های در حال فساد یا فاسدشده به‌درستی تشخیص دهد.

استفاده از نانولوله‌های کربنی

اگرچه فناوری بینی الکترونیکی دهه‌هاست که وجود دارد اما تولید چندین ماده حسگر مختلف روی یک تراشه واحد همواره یکی از چالش‌های اصلی این حوزه بوده است.

تیم تحقیقاتی برکلی برای رفع این مشکل از نانولوله‌های کربنی به جای مواد متداول اکسید فلزی استفاده کرد. این نانولوله‌ها لایه‌های رسانای بسیار نازکی با سطح تماس بالا ایجاد می‌کنند که حساسیت زیادی نسبت به ترکیبات شیمیایی در دمای محیط دارند.

از آنجا که این حسگر‌ها برای عملکرد خود به دمای بالا نیاز ندارند پژوهشگران توانستند از طیف گسترده‌تری از مواد حسگری از جمله پلیمر‌هایی که در دما‌های بالا تخریب می‌شوند استفاده کنند.

علاوه بر این طراحی جدید فرآیند ساخت را نیز ساده‌تر کرده و امکان قرار دادن انواع مختلف مواد حسگر را در یک مرحله تولید فراهم آورده است.

اگرچه این پژوهش فعلاً در مقیاس آزمایشگاهی انجام شده است اما کارلا بسیل پیش‌تر نسخه قابل حملی از این سامانه را نیز توسعه داده که به یک اپلیکیشن آیفون متصل می‌شود.

محققان اعلام کرده‌اند که در مراحل بعدی تمرکز اصلی بر افزایش قابلیت اطمینان دستگاه و ارزیابی عملکرد آن در شرایط واقعی و محیط‌های روزمره خواهد بود.