Även om nötkött är en av de mest populära livsmedel runt om i världen, kan det vara farligt.
I Sydkorea har en grupp forskare utvecklat en nyen strategi som kombinerar djupinlärning med diffus reflektansspektroskopi (DRS), en relativt billig optisk teknik. Till skillnad från andra typer av spektroskopi kräver DRS ingen komplicerad kalibrering. Istället kan den användas för att kvantifiera en del av den molekylära sammansättningen av ett prov med endast en prisvärd och lätt avstämbar spektrometer. Detaljer om den nya metoden publiceras Livsmedelskemi.
För att bestämma färskheten i nötköttprover,forskarna använde DRS-mätningar för att uppskatta andelen olika former av myoglobin i kött. Myoglobin och dess derivat är proteiner som huvudsakligen ansvarar för köttets färg och dess förändringar under nedbrytning. Att manuellt konvertera DRS-mätningar till myoglobinkoncentration för slutlig bestämning av provets färskhet är dock inte en mycket noggrann strategi, och det är här djup inlärning spelar in.
Convolutional Neural Networks (CNNs) finns i stortAI-algoritmer som används som lär sig av en förklassificerad dataset - en träningsdataset och hittar dolda mönster i data för att klassificera nya ingångar. För att utbilda CNN samlade forskarna data på 78 nötköttprover i förstörelseprocessen genom att regelbundet mäta deras pH (surhet) tillsammans med DRS-profiler. De kombinerade resultaten med uppskattningar av myoglobin. Som ett resultat klassificerar djupinlärningsalgoritmen korrekt färskheten hos nötköttprover på några sekunder i cirka 92% av fallen.
Läs mer
Den första exakta världskartan skapades. Vad är fel med alla andra?
Den stormigaste platsen på jorden: varför Drake Passage är den farligaste vägen till Antarktis
Ny uranförening slår rekord för avvikande ledningsförmåga
Diffus reflektansspektroskopi ären typ av absorptionsspektroskopi. Detta kallas ibland remissionsspektroskopi. Remission är reflektion eller bakåtspridning av ljus av ett material, medan transmission är passage av ljus genom ett material.