Poderá a IA substituir os testes bacterianos convencionais na indústria alimentar?
O modelo de aprendizagem profunda analisa imagens digitais de microcolónias e distingue de forma fiável entre agentes patogénicos e resíduos alimentares microscópicos
Anúncios
Os investigadores melhoraram significativamente uma ferramenta de inteligência artificial utilizada para detetar rapidamente a contaminação bacteriana nos alimentos, eliminando erros de classificação de resíduos alimentares que se parecem com bactérias.
Os métodos actuais para detetar a contaminação de alimentos como folhas verdes, carne e queijo, que normalmente envolvem o cultivo de bactérias, requerem muitas vezes conhecimentos especializados e são demorados - demoram vários dias a uma semana.
Luyao Ma, professora assistente na Universidade Estatal do Oregon, e os seus colaboradores da Universidade da Califórnia, Davis, da Universidade da Coreia e da Universidade Estatal da Florida, desenvolveram um modelo baseado na aprendizagem profunda para a deteção e classificação rápidas de bactérias vivas utilizando imagens digitais de microcolónias de bactérias. O método permite uma deteção fiável em três horas.
A sua mais recente descoberta envolve o treino do modelo para distinguir bactérias de resíduos alimentares microscópicos para melhorar a sua precisão. Um modelo treinado apenas em bactérias classificou erradamente os detritos como bactérias em mais de 24% das vezes. O modelo melhorado, treinado tanto em bactérias como em resíduos, eliminou os erros de classificação.
A contaminação bacteriana pode surgir ao longo da produção alimentar, desde as explorações agrícolas até às instalações de transformação, e ocorrer através de fontes como os animais, a água de irrigação, o solo e o ar. A U.S. Food & Drug Administration estima em 48 milhões o número de casos de doenças de origem alimentar por ano, levando a 128.000 hospitalizações e 3.000 mortes.
"A deteção precoce de agentes patogénicos de origem alimentar antes de os produtos chegarem ao mercado é essencial para evitar surtos, proteger a saúde dos consumidores e reduzir as dispendiosas recolhas de produtos", afirmou Ma.
O estudo, publicado na revista npj Science of Food, testou o modelo de aprendizagem profunda em três estirpes bacterianas - E. coli, listeria e Bacillus subtilis - e resíduos alimentares de frango, espinafres e queijo Cotija. Os investigadores estão agora a trabalhar no sentido de otimizar o sistema de IA para adoção pela indústria.
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Inglês pode ser encontrado aqui.
Publicação original
Outras notícias do departamento ciência
