بیشتر مردم برای تشخیص خراب شدن غذا به حس بویایی خود اعتماد میکنند. بینی انسان عملکرد نسبتاً خوبی دارد، اما همچنان بسیاری از خطرات پنهان در یخچال را از دست میدهد.
بر اساس اعلام مرکز کنترل و پیشگیری از بیماریها (CDC)، سالانه حدود ۴۸ میلیون آمریکایی به بیماریهای ناشی از غذا مبتلا میشوند. یک بو کردن سریع نمیتواند همه خطرهایی را که ممکن است در یخچال پنهان شده باشند، شناسایی کند.
ورود بینی الکترونیکی برای تشخیص فساد مواد غذایی
پژوهشگران دانشگاه کالیفرنیا، برکلی دستگاهی ساختهاند که میتواند بوی فساد مواد غذایی را بسیار بهتر از انسان تشخیص دهد.
همین تراشه همچنین قادر است آلرژنهای رایج غذایی مانند گردو و بادامزمینی را شناسایی کند؛ موادی که برای افراد حساس ممکن است مرگبار باشند.
کارلا باسیل، نویسنده اصلی این پژوهش و دانشجوی دکتری مهندسی برق و علوم کامپیوتر در دانشگاه برکلی، هدایت این پروژه را بر عهده داشته است.
تیم او توانسته حس بویایی کاربردی را روی تراشهای کوچکتر از ناخن انسان قرار دهد.
حسگرهای کوچک که با همکاری یکدیگر کار میکنند
بینی مصنوعی این پژوهش شامل مجموعهای از ۱۶ حسگر گازی کوچک است. هر حسگر به ترکیب متفاوتی از مولکولهای گازی واکنش نشان میدهد.
همین تنوع، بخش مهم فناوری محسوب میشود. هیچ حسگر منفردی نمیتواند یک رایحه واقعی را بهطور کامل تحلیل کند، اما مجموعه حسگرها در کنار هم تصویر دقیقتری ایجاد میکنند.
باسیل توضیح داد: «میتوان آن را مانند مجموعهای از جوانههای چشایی دیجیتال تصور کرد؛ جایی که هر حسگر روی این تراشه به شکل منحصربهفردی به مولکولهای گازی مختلف واکنش نشان میدهد.»
او اشاره کرد که هر حسگر دارای یک لایه تشخیص اختصاصی است که واکنشهای شیمیایی روی سطح را به سیگنالهای الکتریکی تبدیل میکند.
هوش مصنوعی الگوهای بویایی را تحلیل میکند
باسیل از یادگیری ماشین برای شناسایی الگوی واکنش هر ماده غذایی استفاده کرد. این مدل با هفت ماده غذایی آموزش داده شد: توتفرنگی، بلوبری، موز، گردو، فندق، بادام هندی و بادامزمینی.
این سیستم همچنین با مرغ خام، شیر و تخممرغ آموزش دید. هرکدام از این مواد ابتدا در حالت تازه آزمایش شدند، سپس پس از ۲۴ و ۴۸ ساعت نگهداری در دمای اتاق دوباره بررسی شدند.
باسیل گفت: «ایده اصلی این است که بتوانیم از انتخابپذیری نسبی حسگرهای گازی همراه با توانایی تشخیص الگو در یادگیری ماشین استفاده کنیم تا مشخص کنیم کدام اثر انگشت گازی مربوط به هر ماده غذایی است.»
نتیجه این فناوری، تراشهای است که نسبت به بینی انسان حساسیت بسیار بالاتر و عملکردی عینیتر دارد.
تشخیص فساد غذا و آلرژنهای موجود در مغزها
باکتریهای عامل فساد مواد غذایی هنگام تجزیه مواد آلی، گازهای مشخصی تولید میکنند. این تراشه میتواند این نشانهها را یاد بگیرد و غذاهای فاسدشده را شناسایی کند.
این فناوری همچنین رایحه مربوط به مغزهای درختی و بادامزمینی را تشخیص میدهد؛ موادی که در دسته ۹ آلرژن اصلی سازمان غذا و داروی آمریکا (FDA) قرار دارند.
تیم تحقیقاتی اعلام کرده است که این نخستین بار است که یک آرایه حسگر گازی توانسته آلرژنهای مختلف موجود در مغزها را شناسایی کند.
این بینی مصنوعی توانست تنها ۰.۰۵ گرم گردوی جداشده را تشخیص دهد. این مقدار تقریباً برابر با یکصدم یک گردوی پوستکنده است.
باسیل هنوز این فناوری را در شرایطی با بوهای رقیب آزمایش نکرده است. برای مثال، تشخیص گردویی که داخل یک کیک پخته شده یا گوشت فاسدی که در کنار مواد غذایی دیگر در یخچال قرار دارد، همچنان نیازمند بررسیهای بیشتر است.
نقش نانولولههای کربنی در ساخت بینی الکترونیکی
ایده ساخت بینی الکترونیکی از دهه ۱۹۸۰ مطرح بوده است، اما ساخت نمونهای کاربردی همچنان چالشبرانگیز باقی مانده بود.
ساخت یک حسگر گازی منفرد ساده است، اما قرار دادن تعداد زیادی لایه تشخیص متفاوت روی یک تراشه، کار دشواری محسوب میشود.
باسیل این مشکل را با استفاده از نانولولههای کربنی به جای اکسیدهای فلزی حل کرد. این لایهها تنها چند نانومتر ضخامت دارند؛ یعنی تقریباً یکصدم ضخامت موی انسان.
سطح بسیار گسترده این مواد باعث میشود حسگرها در دمای معمول اتاق نیز حساسیت بالایی داشته باشند. عملکرد خنک این فناوری امکان استفاده از مواد نرمتری مانند پلیمرها را فراهم کرد؛ موادی که در برابر گرما تخریب میشوند.
ساخت تراشه در یک مرحله ساده
کارکرد در دمای اتاق همچنین راه را برای استفاده از روشی ساده به نام ریختهگری قطرهای باز کرد.
با این روش، تمام مواد حساسکننده میتوانند همزمان روی تراشه قرار بگیرند، به جای اینکه در چندین مرحله جداگانه ساخته شوند.
باسیل گفت: «ویژگی واقعاً مقیاسپذیر بینی الکترونیکی من این است که میتوانیم از انواع مختلف مواد حسگر استفاده کنیم و همه آنها را در یک مرحله روی تراشه قرار دهیم.»
یک مدل واحد که با تمام نمونهها آموزش داده شد، توانست در میان ۱۶ ماده مختلف به دقت ۹۲.۶ درصد برسد. بیشتر خطاها مربوط به مواد غذایی مشابه از یک خانواده بودند، مانند فندق و بادامزمینی.
تخممرغ فاسد و مرغ فاسد نیز گاهی با یکدیگر اشتباه گرفته شدند. هر دو ماده هنگام پوسیدن، آمینها و سولفیدهای مشابهی آزاد میکنند.
مدلهای کوچکتر عملکرد بهتری دارند
تیم پژوهشی سپس مدلهای متمرکزتری برای وظایف محدودتر آموزش داد. یک مدل مخصوص تشخیص فساد غذا به دقت ۹۹ درصد رسید و مدل مخصوص مغزها نیز دقت ۹۳.۲ درصدی ثبت کرد.
کاهش تعداد گزینههای مورد بررسی باعث افزایش دقت پیشبینیها شد. مدلهای کوچکتر همچنین سریعتر اجرا میشوند و هزینه عملیاتی کمتری دارند.
پژوهشگران همچنین بررسی کردند که تعداد حسگرها چگونه بر دقت عملکرد تأثیر میگذارد. عملکرد سیستم از ۴۹.۹ درصد با چند حسگر به ۹۲.۶ درصد با مجموعه کامل حسگرها افزایش یافت.
البته این افزایش در نهایت متوقف شد. افزودن حسگرهای بیشتر تنها زمانی مفید است که هر حسگر جدید اطلاعات متفاوتی به مجموعه اضافه کند.
یخچالهای هوشمند آینده با بینی الکترونیکی
باسیل پیش از این نسخه قابل حملی از این فناوری ساخته است که از طریق یک اپلیکیشن آیفون کار میکند، هرچند این نسخه خارج از محدوده مطالعه فعلی قرار دارد. او قصد دارد مدل بعدی را در محیطهای شلوغتر و واقعیتر آزمایش کند.
باسیل گفت: «به نظر من یخچالهای هوشمند که دارای حسگرهایی هستند و میتوان آنها را با تلفن همراه کنترل کرد، کاربرد بسیار مناسبی برای این فناوری خواهند بود.»
او تصور میکند یخچالی ساخته شود که بتواند به شما هشدار دهد کلم بروکلی در حال خراب شدن است یا مرغ شما به آخرین روز مصرف خود رسیده است.
این پژوهش در مجله Science Advances منتشر شده است.
جمعبندی
بینی الکترونیکی با ترکیب حسگرهای گازی و هوش مصنوعی، روشی دقیقتر برای تشخیص غذای فاسد و آلرژنهای خطرناک ارائه میدهد. این فناوری میتواند آینده یخچالهای هوشمند و ایمنی مواد غذایی را تغییر دهد.
برای آشنایی با تازهترین فناوریهای هوش مصنوعی و نوآوریهای علمی، مطالب جدید ما را دنبال کنید.
