L'IA peut-elle remplacer les tests bactériens conventionnels dans l'industrie alimentaire ?
Un modèle d'apprentissage profond analyse les images numériques de microcolonies et distingue de manière fiable les agents pathogènes des résidus alimentaires microscopiques
Annonces
Des chercheurs ont considérablement amélioré un outil d'intelligence artificielle utilisé pour détecter rapidement la contamination bactérienne des aliments en éliminant les erreurs de classification des débris alimentaires qui ressemblent à des bactéries.
Les méthodes actuelles de détection de la contamination d'aliments tels que les légumes verts, la viande et le fromage, qui impliquent généralement la culture de bactéries, nécessitent souvent une expertise spécialisée et prennent du temps - plusieurs jours, voire une semaine.
Luyao Ma, professeur adjoint à l'Oregon State University, et ses collaborateurs de l'Université de Californie à Davis, de l'Université de Corée et de l'Université d'État de Floride, ont mis au point un modèle basé sur l'apprentissage profond pour la détection et la classification rapides des bactéries vivantes à l'aide d'images numériques de microcolonies bactériennes. La méthode permet une détection fiable en trois heures.
Leur dernière avancée consiste à entraîner le modèle à distinguer les bactéries des débris alimentaires microscopiques afin d'améliorer sa précision. Un modèle formé uniquement sur les bactéries classait mal les débris en tant que bactéries dans plus de 24 % des cas. Le modèle amélioré, formé à la fois sur les bactéries et les débris, a éliminé les erreurs de classification.
La contamination bactérienne peut survenir tout au long de la production alimentaire, de l'exploitation agricole aux installations de transformation, et provenir de sources telles que les animaux, l'eau d'irrigation, le sol et l'air. La Food & Drug Administration américaine estime à 48 millions le nombre de cas de maladies d'origine alimentaire chaque année, entraînant 128 000 hospitalisations et 3 000 décès.
"La détection précoce des agents pathogènes d'origine alimentaire avant que les produits n'arrivent sur le marché est essentielle pour prévenir les épidémies, protéger la santé des consommateurs et réduire les rappels coûteux", a déclaré M. Ma.
L'étude, publiée dans npj Science of Food, a testé le modèle d'apprentissage profond sur trois souches bactériennes - E. coli, listeria et Bacillus subtilis - et sur des débris alimentaires de poulet, d'épinards et de fromage Cotija. Les chercheurs travaillent actuellement à l'optimisation du système d'IA en vue de son adoption par l'industrie.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
