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(yán)重的健康風(fēng)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(xué)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(fù)雜的設(shè)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(xué)院(GIST)，由協(xié)處理器Kyoobin Lee和Jae Gwan Kim領(lǐng)導(dǎo)的一組科學(xué)家開發(fā)了一種將深度學(xué)習(xí)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(xué)技術(shù)。Lee解釋說：“與其他類型的光譜儀不同，DRS不需要復(fù)雜的校準(zhǔn);相反，它可用于僅使用負(fù)擔(dān)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(xué)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(fù)責(zé)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(zhǔn)確的策略-這就是深度學(xué)習(xí)發(fā)揮作用的地方。
卷積神經(jīng)網(wǎng)絡(luò)(CNN)是廣泛使用的人工智能算法，可以從預(yù)先分類的數(shù)據(jù)集(稱為“訓(xùn)練集”)中學(xué)習(xí)，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(xùn)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(biāo)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(xùn)練有素的深度學(xué)習(xí)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(zhǔn)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(rèn)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(xué)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(biāo)簽： AI
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！