Ερευνητής εργάζεται πάνω στη χρήση τεχνητής νοημοσύνης (AI) για την ανίχνευση της σαλμονέλας σε κρεμμύδια.
Ο Anas Alsobeh, επίκουρος καθηγητής πληροφορικής από το πανεπιστήμιο Southern Illinois Carbondale, έλαβε πρόσφατα επιχορήγηση 150.000 δολαρίων από το Εθνικό Ινστιτούτο Τροφίμων και Γεωργίας του USDA για την ανάπτυξη μιας μεθόδου ταχείας ανίχνευσης με βάση την τεχνητή νοημοσύνη για την ανεύρεση σαλμονέλας στα κρεμμύδια.
Το σύστημα συνδυάζει μικροσκοπική απεικόνιση με τεχνητή νοημοσύνη, η οποία συγκρίνει τα δείγματα με ένα σύνολο δεδομένων μεγάλης κλίμακας που περιέχει εικόνες βακτηριακών μικροαποικιών σε πρώιμα στάδια ανάπτυξης.
Η τεχνολογία ενσωματώνει συνελικτικά νευρωνικά δίκτυα που μπορούν να ανιχνεύσουν αυτόματα την παρουσία των βακτηρίων. Η επιχορήγηση χρηματοδοτεί επίσης πρακτικά εργαστήρια για την εκπαίδευση των ενδιαφερομένων στη χρήση ευφυούς απεικόνισης στις διαδικασίες επιθεώρησης τροφίμων.
«Ενώ το έργο βρίσκεται ακόμη σε εξέλιξη, αναμένουμε ότι το βελτιστοποιημένο σύστημα ανίχνευσης τεχνητής νοημοσύνης θα επιτρέψει τον γρήγορο, μη καταστροφικό έλεγχο της σαλμονέλας», δήλωσε ο Alsobeh. «Η πρώιμη επικύρωση της τεχνολογίας έδειξε ότι υπόσχεται την ανίχνευση μικροβίων σε πραγματικό χρόνο, με πιθανά οφέλη για οικονομικά αποδοτικές, υψηλού όγκου εφαρμογές ασφάλειας τροφίμων σε ολόκληρη τη βιομηχανία».
Αυτή η καινοτόμος προσέγγιση ευθυγραμμίζεται με την αυξανόμενη αισιοδοξία της κοινότητας της ασφάλειας των τροφίμων σχετικά με τον ρόλο της τεχνητής νοημοσύνης. Ερευνητές του Πανεπιστημίου της Καλιφόρνια-Ντέιβις έχουν επίσης διερευνήσει πώς η τεχνητή νοημοσύνη μπορεί να ενισχύσει την ασφάλεια των τροφίμων, αποδεικνύοντας ότι οι τεχνικές που χρησιμοποιούν τεχνητή νοημοσύνη και οπτική απεικόνιση μπορούν να εντοπίσουν γρήγορα και με ακρίβεια τα επιβλαβή βακτήρια στα τρόφιμα.
Ο Luyao Ma, ερευνητής που συμμετείχε στην εν λόγω μελέτη, τόνισε ότι οι επιστήμονες τροφίμων αρχίζουν να αξιοποιούν την τεχνητή νοημοσύνη για να μετασχηματίσουν το γεωργικό σύστημα τροφίμων, ανοίγοντας το δρόμο για υψηλότερα επίπεδα ασφάλειας τροφίμων.
«Η ασφάλεια των τροφίμων είναι ένα ουσιαστικό μέρος της επιχείρησης τροφίμων, οπότε αν μπορούμε να ενισχύσουμε αυτόν τον τομέα παρέχοντας μια οικονομικά αποδοτική, γρήγορη, εξαιρετικά ευαίσθητη και συγκεκριμένη προσέγγιση, νομίζω ότι θα δώσει στους καταναλωτές μεγαλύτερη εμπιστοσύνη στα συστήματα τροφίμων μας καθώς προχωράμε μπροστά», δήλωσε ο Νίτιν Νίτιν, καθηγητής επιστήμης και τεχνολογίας τροφίμων στο UC Davis.
Χρησιμοποιώντας μεθόδους όπως αυτή του Alsobeh, οι ερευνητές έχουν διαπιστώσει ότι η ταχεία διαλογή μπορεί να μειώσει σημαντικά το χρόνο που απαιτείται για την ανίχνευση της βακτηριακής μόλυνσης – από τις συνήθεις 5 έως 7 ημέρες σε λίγες μόνο ώρες. Αυτό όχι μόνο εξασφαλίζει έγκαιρες παρεμβάσεις για την πρόληψη των επιδημιών τροφιμογενών ασθενειών, αλλά μειώνει επίσης την οικονομική επιβάρυνση που συνδέεται με τις ανακλήσεις τροφίμων και την ευθύνη.
Οι εργασίες για το έργο του Alsobeh ξεκίνησαν τον Αύγουστο του 2024 και πρόκειται να ολοκληρωθούν τον Ιούλιο του 2026. Έλαβε το διδακτορικό του δίπλωμα στην επιστήμη των υπολογιστών από το Utah State University το 2015 και τα ερευνητικά του ενδιαφέροντα περιλαμβάνουν σχεδιασμό και μοντελοποίηση λογισμικού, ανάλυση δεδομένων, τεχνολογία ιστού, ανάλυση ασφάλειας, μηχανική μάθηση και υπολογιστικό νέφος.
Η πρόοδος της τεχνητής νοημοσύνης στην ασφάλεια των τροφίμων παρουσιάζει τόσο ευκαιρίες όσο και προκλήσεις. Καθώς η βιομηχανία τροφίμων συνεχίζει να εξελίσσεται, οι δυνατότητες για αυτοματοποιημένες επιθεωρήσεις ασφάλειας τροφίμων αυξάνονται, υποσχόμενη ένα μέλλον όπου ο κίνδυνος μόλυνσης μπορεί να μετριαστεί μέσω καινοτόμων τεχνολογιών.
Ωστόσο, οι εμπειρογνώμονες τονίζουν τη σημασία του συνδυασμού αυτών των νέων εργαλείων με τις καθιερωμένες πρακτικές ασφάλειας τροφίμων, ώστε να διασφαλιστεί ολοκληρωμένη προστασία από τα τροφιμογενή παθογόνα.
Ακολουθήστε το Cibum 
