Электронный нос с ИИ научился распознавать испорченные продукты и опасные аллергены

В отличие от специализированных газоанализаторов, реагирующих лишь на один или несколько газов, новая разработка имитирует принцип работы биологического обоняния. В её основе лежит массив из 16 миниатюрных газовых датчиков, каждый из которых по-разному реагирует на различные летучие химические соединения. Совокупность этих откликов формирует уникальный «запаховый отпечаток», который затем анализируется алгоритмами искусственного интеллекта.

Углеродные нанотрубки вместо оксидов металлов

Одним из ключевых достижений исследователей стало использование углеродных нанотрубок в качестве чувствительного материала. В отличие от традиционных сенсоров на основе оксидов металлов, которым требуется нагрев до высоких температур, новые датчики эффективно работают при комнатной температуре, потребляя значительно меньше энергии.

Каждый сенсор представляет собой полевой транзистор, покрытый собственной функциональной плёнкой толщиной всего несколько нанометров. Такое решение позволило разместить на одном чипе большое количество чувствительных элементов без существенного увеличения размеров устройства.

Искусственный интеллект учится различать запахи

Для обучения системы исследователи использовали образцы 16 различных продуктов, включая ягоды, бананы, различные виды орехов, а также молоко, яйца и куриное мясо в свежем и испорченном состоянии.

Алгоритмы машинного обучения анализировали характер изменения электрических сигналов всех 16 датчиков одновременно, выявляя характерные комбинации для каждого типа продукта.

В результате система достигла точности классификации 92,6%.

для классификации продуктов питания: (Б) демонстрация откликов исходного сенсорного сигнала при воздействии одногазового импульса по всем 16 каналам; (G) демонстрацию предварительной обработки данных с помощью разбиения данных и скользящего окна; (Н) пример обработанных данных из воздействия ЛОС на грецком и арахисовом ореховом и арахисе, выделяющих ключевые особенности распознавания моделей CNN; и () модельная классификация и различение между межкатегорийными и внутрикатегорийными пищевыми объектами.

Наиболее сложной задачей оказалось различение запахов арахиса и фундука, поскольку их летучие органические соединения во многом схожи. Аналогичные ошибки возникали между сильно испорченными яйцами и сырой курицей, где также наблюдается сходный набор аминов, тиолов и сернистых соединений.

продуктов, орехах и фруктах.

Обнаруживает следы аллергенов

Одной из наиболее интересных возможностей новой разработки стало обнаружение чрезвычайно малых количеств аллергенов.

Во время испытаний электронный нос уверенно определял присутствие всего 0,05 грамма грецкого ореха — примерно одной сотой части среднего ореха. В дальнейшем исследователи планируют проверить, сможет ли система находить такие следы в сложных пищевых продуктах, например салатах, выпечке или многокомпонентных готовых блюдах.

От лаборатории — к смартфону

Помимо лабораторного образца команда разработала и портативную версию устройства, которая подключается к смартфону. В будущем подобные системы могут использоваться для:

• контроля свежести продуктов в магазинах и на складах;
• проверки качества пищи в домашних условиях;
• обнаружения аллергенов перед употреблением продуктов;
• мониторинга безопасности пищевого производства;
• медицинской диагностики по составу выдыхаемого воздуха;
• экологического контроля и обнаружения опасных газов.

Хотя технология пока находится на стадии прототипа, исследователи считают, что сочетание высокочувствительных сенсоров с современными методами машинного обучения открывает путь к созданию универсальных электронных систем обоняния, способных приблизиться по своим возможностям к биологическому носу человека и животных.