盡管牛肉是世界上最消耗的食物之一，但是在牛肉過剩時食用它不僅不美味，而且還帶來一些嚴重的健康風險。不幸的是，檢查牛肉新鮮度的可用方法具有各種缺點，使它們無法對公眾有用。例如，化學分析或微生物種群評估需要太多時間，并且需要專業(yè)人員的技能。另一方面，基于近紅外光譜的非破壞性方法需要昂貴且復雜的設備。人工智能能否成為評估牛肉新鮮度的更具成本效益的方法的關(guān)鍵?
在韓國光州科技學院(GIST)，由協(xié)處理器Kyoobin Lee和Jae Gwan Kim領(lǐng)導的一組科學家開發(fā)了一種將深度學習與漫反射光譜(DRS)相結(jié)合的新策略，這是一種相對便宜的光學技術(shù)。Lee解釋說：“與其他類型的光譜儀不同，DRS不需要復雜的校準;相反，它可用于僅使用負擔得起且易于配置的光譜儀來量化樣品分子組成的一部分。” 他們的研究結(jié)果現(xiàn)已發(fā)表在食品化學中。
為了確定牛肉樣品的新鮮度，他們依靠DRS測量來估計肉中不同形式的肌紅蛋白的比例。肌紅蛋白及其衍生物是主要負責肉色及其在分解過程中變化的蛋白質(zhì)。但是，將DRS測量值手動轉(zhuǎn)換為肌紅蛋白濃度以最終確定樣品的新鮮度并不是一個非常準確的策略-這就是深度學習發(fā)揮作用的地方。
卷積神經(jīng)網(wǎng)絡(CNN)是廣泛使用的人工智能算法，可以從預先分類的數(shù)據(jù)集(稱為“訓練集”)中學習，并在數(shù)據(jù)中找到隱藏的模式以對新輸入進行分類。為了訓練CNN，研究人員通過定期測量其pH值(酸度)和DRS曲線，在變質(zhì)過程中收集了78個牛肉樣品的數(shù)據(jù)。在基于pH值將DRS數(shù)據(jù)手動分類為“新鮮”，“正常”或“變質(zhì)”后，他們將標記的DRS數(shù)據(jù)集輸入給算法，并將此信息與肌紅蛋白估計值融合在一起。“通過提供肌紅蛋白和光譜信息，我們訓練有素的深度學習算法可以在大約92%的情況下在幾秒鐘內(nèi)正確分類牛肉樣品的新鮮度，” Kim強調(diào)說。
除了準確性外，這種新穎策略的優(yōu)勢還在于它的速度，低成本和無損特性。該團隊認為，有可能開發(fā)出小型的便攜式光譜儀，以便每個人甚至在家中都可以輕松地評估牛肉的新鮮度。而且，類似的光譜學和基于CNN的技術(shù)也可以擴展到其他產(chǎn)品，例如魚或豬肉。將來，如果運氣好的話，識別和避免有問題的肉將更容易獲得。
標簽： AI
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！