Phương pháp mới dựa trên AI để đánh giá độ tươi của mẫu thịt bò

Phương pháp của họ nhanh hơn và tiết kiệm chi phí đáng kể so với các phương pháp thông thường trong khi vẫn duy trì độ chính xác tương đối cao, mở đường cho sản xuất hàng loạt các thiết bị để xác định thịt hư hỏng cả trong công nghiệp và gia đình.

Mặc dù thịt bò là một trong những loại thực phẩm được tiêu thụ nhiều nhất trên khắp thế giới, nhưng việc ăn thịt bò khi đã qua giai đoạn ban đầu không những không ngon mà còn gây ra một số nguy cơ về sức khỏe nghiêm trọng.

Thật đáng tiếc, các phương pháp hiện có để thử nghiệm độ tươi của thịt bò có nhiều nhược điểm khác nhau khiến chúng không hữu ích. Ví dụ, phân tích hóa học hoặc đánh giá quần thể vi sinh vật mất quá nhiều thời gian và đòi hỏi kỹ năng của một chuyên gia. Mặt khác, các phương pháp tiếp cận không phá hủy dựa trên quang phổ cận hồng ngoại yêu cầu thiết bị đắt tiền và phức tạp. Trí thông minh nhân tạo có thể là chìa khóa cho một cách hiệu quả hơn về chi phí để đánh giá độ tươi của thịt bò?

Tại GIST, một nhóm các nhà khoa học do các phó giáo sư Kyoobin Lee và Jae Gwan Kim dẫn dắt đã phát triển một phương pháp mới kết hợp học sâu với phổ phản xạ khuếch tán (DRS), một kỹ thuật quang học tương đối rẻ tiền.

Lee giải thích: “Không giống như các loại quang phổ khác, DRS không yêu cầu hiệu chuẩn phức tạp; thay vào đó, có thể sử dụng nó để định lượng một phần thành phần phân tử của một mẫu chỉ bằng một máy quang phổ giá cả phải chăng và dễ cấu hình”. Kết quả nghiên cứu của họ hiện đã được công bố trên tạp chí Food Chemistry.

Để xác định độ tươi của các mẫu thịt bò, họ dựa vào các phép đo DRS để ước tính tỷ lệ của các dạng myoglobin khác nhau trong thịt. Myoglobin và các dẫn xuất của nó là những protein chịu trách nhiệm chính cho màu sắc của thịt và những thay đổi của nó trong quá trình phân hủy.

Tuy nhiên, chuyển đổi thủ công các phép đo DRS thành nồng độ myoglobin để cuối cùng quyết định độ tươi của mẫu không phải là một phương pháp chính xác - và đây là lúc học sâu phát huy tác dụng. Mạng nơ-ron tích chập (CNN) là sử dụng các thuật toán trí tuệ nhân tạo rộng rãi có thể học từ một tập dữ liệu được phân loại trước, được gọi là ‘tập huấn luyện’ và tìm các mẫu ẩn trong dữ liệu để phân loại các đầu vào mới.

Để huấn luyện CNN, các nhà nghiên cứu đã thu thập dữ liệu về 78 mẫu thịt bò trong quá trình hư hỏng của chúng bằng cách thường xuyên đo độ pH (độ axit) cùng với hồ sơ được chỉ định DRS của chúng. Sau khi phân loại dữ liệu DRS theo cách thủ công dựa trên các giá trị pH là 'tươi', 'bình thường' hoặc 'hư hỏng, họ đã cung cấp cho thuật toán tập dữ liệu DRS được gắn nhãn và cũng kết hợp thông tin này với ước tính myoglobin.

Kim nhấn mạnh: “Bằng cách cung cấp cả myoglobin và thông tin quang phổ, thuật toán học sâu do chúng tôi phát triển có thể phân loại chính xác độ tươi của các mẫu thịt bò chỉ vài giây trong khoảng 92% trường hợp”. Bên cạnh tính chính xác, điểm mạnh của phương pháp mới lạ này còn nằm ở tốc độ, chi phí thấp và tính chất không phá hủy.

Nhóm nghiên cứu tin rằng có thể phát triển các thiết bị quang phổ nhỏ, cầm tay để mọi người có thể dễ dàng đánh giá độ tươi của thịt bò, ngay cả tại nhà. Hơn nữa, cũng có thể mở rộng các kỹ thuật quang phổ tương tự và dựa trên CNN cho các sản phẩm khác, chẳng hạn như cá hoặc thịt lợn. Trong tương lai, việc xác định và tránh thịt bị nghi ngờ hư hỏng sẽ thuận lợi và dễ dàng hơn.

Viện Khoa học & Công nghệ Gwangju, Hàn Quốc

Phạm Thanh Bình dịch

Nguồn: Lab Manager- Hoa Kỳ