L'AI può sostituire i test batteriologici convenzionali nell'industria alimentare?
Un modello di apprendimento profondo analizza immagini digitali di microcolonie e distingue in modo affidabile tra agenti patogeni e residui alimentari microscopici
Annunci
I ricercatori hanno migliorato in modo significativo uno strumento di intelligenza artificiale utilizzato per rilevare rapidamente la contaminazione batterica negli alimenti, eliminando gli errori di classificazione dei detriti alimentari che sembrano batteri.
I metodi attuali per rilevare la contaminazione di alimenti come verdure a foglia, carne e formaggio, che in genere prevedono la coltivazione di batteri, richiedono spesso competenze specialistiche e tempi lunghi, che vanno da alcuni giorni a una settimana.
Luyao Ma, professore assistente presso l'Oregon State University, e i suoi collaboratori dell'Università della California, Davis, dell'Università della Corea e della Florida State University, hanno sviluppato un modello basato sul deep learning per il rilevamento rapido e la classificazione di batteri vivi utilizzando immagini digitali di microcolonie batteriche. Il metodo consente un rilevamento affidabile entro tre ore.
L'ultima scoperta consiste nell'addestrare il modello a distinguere i batteri dai microscopici detriti alimentari per migliorarne l'accuratezza. Un modello addestrato solo sui batteri classificava erroneamente i detriti come batteri in oltre il 24% dei casi. Il modello migliorato, addestrato sia sui batteri che sui detriti, ha eliminato gli errori di classificazione.
La contaminazione batterica può verificarsi durante l'intera produzione alimentare, dalle aziende agricole agli impianti di lavorazione, attraverso fonti quali animali, acqua di irrigazione, suolo e aria. La Food & Drug Administration statunitense stima che ogni anno si verifichino 48 milioni di casi di malattie di origine alimentare, con 128.000 ricoveri e 3.000 decessi.
"L'individuazione precoce degli agenti patogeni di origine alimentare prima che i prodotti raggiungano il mercato è essenziale per prevenire le epidemie, proteggere la salute dei consumatori e ridurre i costosi richiami", ha dichiarato Ma.
Lo studio, pubblicato su npj Science of Food, ha testato il modello di apprendimento profondo su tre ceppi batterici - E. coli, listeria e Bacillus subtilis - e su residui alimentari di pollo, spinaci e formaggio Cotija. I ricercatori stanno ora lavorando per ottimizzare il sistema di intelligenza artificiale in vista dell'adozione da parte dell'industria.
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Altre notizie dal dipartimento scienza
