基于人工智能的新策略可以评估牛肉样品的新鲜度
韩国光州科学技术研究所的科学家将廉价的光谱技术与人工智能相结合，开发出一种评估牛肉样品新鲜度的新方法。他们的方法比传统方法更快、更具成本效益，同时保持相对较高的准确性，为大规模生产设备在工业和家庭中识别变质肉类铺平了道路。
尽管牛肉是世界上消费量最大的食物之一，但在过了黄金时期食用它不仅令人不快，而且还会带来一些严重的健康风险。不幸的是，可用的检查牛肉新鲜度的方法有各种缺点，使它们无法对公众有用。例如，化学分析或微生物种群评估需要太多时间并且需要专业人员的技能。另一方面，基于近红外光谱的非破坏性方法需要昂贵且复杂的设备。人工智能能否成为评估牛肉新鲜度的更具成本效益的方法的关键?
在韩国光州科学技术学院 (GIST)，由副处理器 Kyoobin Lee 和 Jae Gwan Kim 领导的一组科学家开发了一种新策略，将深度学习与漫反射光谱 (DRS) 相结合，这是一种相对便宜的光学技术。“与其他类型的光谱学不同，DRS 不需要复杂的校准;相反，它可以用于仅使用价格合理且易于配置的光谱仪来量化样品的部分分子组成，”Lee 解释道。他们的研究结果现已发表在《食品化学》上。
为了确定牛肉样品的新鲜度，他们依靠 DRS 测量来估计肉中不同形式肌红蛋白的比例。肌红蛋白及其衍生物是主要负责肉类颜色及其在分解过程中变化的蛋白质。然而，手动将 DRS 测量值转换为肌红蛋白浓度以最终决定样本的新鲜度并不是一个非常准确的策略——而这正是深度学习发挥作用的地方。
卷积神经网络 (CNN) 是广泛使用的人工智能算法，可以从预先分类的数据集(称为“训练集”)中学习，并找到数据中的隐藏模式以对新输入进行分类。为了训练 CNN，研究人员通过定期测量它们的 pH 值(酸度)和 DRS 曲线，收集了 78 个牛肉样品在腐败过程中的数据。在根据 pH 值手动将 DRS 数据分类为“新鲜”、“正常”或“变质”后，他们将标记的 DRS 数据集提供给算法，并将这些信息与肌红蛋白估计值融合在一起。“通过提供肌红蛋白和光谱信息，我们训练有素的深度学习算法可以在大约 92% 的案例中在几秒钟内正确分类牛肉样品的新鲜度，”Kim 强调说。
除了其准确性外，这种新颖策略的优势在于其速度、成本低和非破坏性。该团队相信有可能开发出小型便携式光谱设备，以便每个人即使在家里也可以轻松评估牛肉的新鲜度。此外，类似的光谱学和基于 CNN 的技术也可以扩展到其他产品，例如鱼或猪肉。将来，运气好的话，识别和避免有问题的肉类将变得更容易、更容易。
标签：