Группа учёных, в которую вошли представители Наньянского технологического университета в Сингапуре (Nanyang Technological University, NTU Singapore, 南洋理工大学), китайского Университета Цзяннань (江南大学) и австралийского Университета Монаш (Monash University), создала искусственную систему, имитирующую обонятельный аппарат млекопитающих.
Область применения разработанной системы — точная оценка свежести мяса. Тестирование на коммерчески упакованных и оставленных портиться образцах курятины, рыбы и говядины показало, что свёрточная нейронная сеть способна предсказывать свежесть мяса со средней точностью 98,5%.
«Электронный нос» (e-nose) включает систему штрихкодов, которые со временем меняют цвет, вступая в реакцию с газами, выделяемыми мясом по мере разложения. Со штрихкодами работает установленное на смартфон приложение. «Электронный нос» обучен распознавать и предсказывать свежесть мяса на основе большой библиотеки цветов штрихкодов.
О разработке можно узнать из статьи, опубликованной в журнале Advanced Materials. Её авторы полагают, что созданный ими электронный нос может помочь сократить пищевые отходы, так как он точнее, чем этикетка «Годен до», показывает потребителям, подходит ли мясо для употребления в пищу.
По словам одного из ведущих авторов статьи, директора Инновационного центра гибких устройств в NTU профессора Чэня Сяодуна (陈晓东), экспериментальная искусственная обонятельная система, протестированная исследователями в реальных условиях, может быть легко интегрирована в упаковочные материалы и будет выдавать результаты быстро и без специальных гаджетов, используемых в «электронных носах», разработанных ранее.
«Эти штрихкоды помогут потребителям экономить деньги, гарантируя, что они не выбрасывают продукты, ещё пригодные для употребления, а также облегчат бремя потребления для окружающей среды. К тому же биоразлагаемый и нетоксичный характер штрихкодов означает, что их можно безопасно применять на всём протяжении цепи поставок продуктов питания для обеспечения свежести продуктов».
На новый метод мониторинга свежести продуктов питания в режиме реального времени подан патент, и теперь команда работает с сингапурской агропромышленной компанией, чтобы приспособить технологию к другим типам скоропортящихся продуктов.
«Электронный нос», разработанный учёными из NTU и их партнёрами, состоит из двух элементов: цветного штрихкода, вступающего в реакцию с газами, образующимися при разложении мяса, и «считывателя» штрихкода, использующего ИИ для интерпретации получающейся при этом комбинации цветов. Чтобы сделать «электронный нос» портативным, учёные интегрировали его в приложение для смартфона, способное выдать результат за 30 секунд.
Электронный нос имитирует то, как работает нос млекопитающих: когда газы, образующиеся при разложении мяса, связываются с рецепторами в носу, те производят сигналы и передают их в мозг. Затем мозг собирает эти отклики и группирует их в шаблоны, позволяя млекопитающему определять запах, появляющийся при старении и гниении мяса.
В штрихкоде «электронного носа» — 20 полос, работающих как рецепторы. Каждая полоса изготовлена из хитозана, встроенного в производные целлюлозы и наполнена разными видами красителей. Красители вступают в реакцию с газами, выделяемыми мясом при разложении, и меняют цвет в зависимости от типа газа и его концентрации. Уникальная комбинация цветов служит «отпечатком запаха» для состояния любого мяса.
Например, первая полоска штрих-кода содержит слабокислый жёлтый краситель. При взаимодействии с азотсодержащими соединениями (биоаминами), образующимися при разложении мяса, она становится синей. Интенсивность цвета меняется с увеличением концентрации биоаминов по мере разложения мяса.
Опираясь на международный стандарт, определяющий свежесть мяса, учёные разработали систему классификации (свежее, менее свежее или испорченное). Свежесть мяса, согласно этому стандарту, определяется количеством выделяемого аммиака или, в случае с рыбой, двух других биоаминов, которые обычно встречаются в упакованной в ПВХ рыбе. Свежесть определялась при хранении при 4°C в течение пяти дней с разными интервалами.
Штрихкоды наклеивались на внутреннюю сторону ПВХ-плёнки так, чтобы они не касались продукта. Далее штрихкоды фотографировали с разным интервалом в течение пяти дней. Затем, для выявления закономерностей в образцах запаха, соответствующих разным категориям свежести, на базе полученных изображений различных штрихкодов была обучена система искусственного интеллекта — глубокая свёрточная нейронная сеть.
Чтобы оценить точность прогноза, выдаваемого электронным носом, проверялась свежесть упакованной в коммерческих условиях курицы, рыбы и говядины, которые хранились при температуре 25°C. На всю упаковку исследователи наклеили штрихкоды. Более 4000 штрихкодов с шести упаковок с мясом было сфотографировано в разные промежутки времени в течение 48 часов без открытия упаковок.
Чтобы добиться точности, исследовательская группа обучила систему на 3475 образцах штрихкодов.
В результате точность выявления испорченного мяса составила 98,5—100%, а отличить свежее мясо от не очень свежего получилось в 96—99% случаев.
Метод анализа информации со штрихкода сравнили с другим. Исследовательская группа случайным образом выбрала 20 штрихкодов из каждой категории свежести и на них исследовала точность прогноза, которую даёт кластерный анализ с евклидовой метрикой (такой метод широко используется для оценки выходных данных различных сенсоров). Этот метод показал общую точность в 61,7%.
Профессор Чэнь Сяодун прокомментировал:
«Несмотря на то, что тему «электронных носов» активно изучают, до сих пор существуют препятствия на пути к их коммерциализации. Они возникают из-за того, что у текущих прототипов возникают проблемы с точностью обнаружения и распознавания запаха. Поэтому нужна система, которая имела бы как технически надёжный сенсор, так и хороший метод анализа данных, который мог бы точно классифицировать образцы запахов. Именно этим и хорош наш электронный нос. Он может неинвазивно, автоматически и в реальном времени мониторить запахи. Также он может быть использован для распознавания типов газов, выделяемых другими скоропортящимися продуктами по мере того, как они становятся менее свежими. Таким образом, новая платформа потенциально имеет широкое применение в области контроля качества пищевых продуктов».
