Искусственный интеллект улучшает обнаружение пищевых загрязнений

Ученые существенно модернизировали инструмент на базе искусственного интеллекта для оперативного выявления бактериального загрязнения продуктов питания. Им удалось устранить типичную проблему – ошибки, при которых микроскопические остатки пищи система принимала за бактерии. Традиционные методы контроля, применяемые для проверки листовой зелени, мяса, сыра и других продуктов, обычно основаны на выращивании бактериальных культур. Такие процедуры требуют специальных навыков и занимают много времени – от нескольких дней до недели.

Команда из Калифорнийского университета в Дейвисе, Корейского университета и Флоридского государственного университета создала модель глубокого обучения, способную быстро находить и классифицировать живые бактерии по цифровым изображениям бактериальных микроколоний. Этот подход позволяет надежно обнаруживать бактерии уже в течение трех часов.

Ключевым шагом в доработке стало обучение алгоритма отличать бактерии от микроскопических частиц пищи. Ранее модель, обученная исключительно на изображениях бактерий, ошибочно распознавала пищевые остатки как бактерии более чем в 24% случаев. После дополнительного обучения на обоих типах изображений эти ошибки удалось устранить.

Бактериальное загрязнение может происходить на любом этапе пищевой цепочки – от фермы до переработки – через животных, воду для полива, почву и воздух. По данным Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA), ежегодно фиксируется около 48 миллионов случаев заболеваний, передающихся через пищу, что приводит к 128 тысячам госпитализаций и примерно 3 тысячам смертей.

В исследовании, опубликованном в журнале npj Science of Food, модель протестировали на трех видах бактерий – кишечной палочке, листерии и бациллах – а также на остатках пищи от курицы, шпината и сыра котиха. Сейчас команда работает над тем, чтобы адаптировать и оптимизировать эту систему для практического применения в пищевой промышленности.