پژوهشگران دانشگاه برکلی کالیفرنیا موفق به توسعه نوعی «بینی الکترونیکی» شدهاند که با کمک ۱۶ حسگر گازی میکروسکوپی و الگوریتمهای یادگیری ماشین، میتواند فساد مواد غذایی و برخی آلرژنهای رایج را تشخیص دهد.
این فناوری جدید با تحلیل گازهای منتشرشده از مواد غذایی مختلف، امکان ارزیابی دقیقتر کیفیت و ایمنی مواد خوراکی را فراهم میکند و میتواند در آینده به بخشی از یخچالهای هوشمند، سامانههای کنترل کیفیت و ابزارهای ویژه افراد دارای آلرژی تبدیل شود.
تشخیص فساد مواد غذایی همواره یکی از چالشهای مهم در حوزه سلامت عمومی بوده است. بسیاری از مصرفکنندگان برای ارزیابی وضعیت مواد غذایی به ظاهر، بو یا تاریخ انقضا تکیه میکنند. هرچند، این روشها همیشه قابل اعتماد نیستند و در برخی موارد ممکن است مواد غذایی پیش از مشاهده نشانههای ظاهری یا بوی نامطبوع، آلوده یا فاسد شده باشند. همین موضوع پژوهشگران را به توسعه ابزارهایی سوق داده است که بتوانند وضعیت واقعی مواد غذایی را با دقت بیشتری بررسی کنند.
سامانه جدید توسعهیافته در دانشگاه برکلی از ۱۶ حسگر گازی بسیار کوچک تشکیل شده است. هر یک از این حسگرها نسبت به گروه خاصی از ترکیبات شیمیایی موجود در هوا واکنش متفاوتی نشان میدهند. زمانی که مواد غذایی گازهای مختلفی را در محیط آزاد میکنند، مجموعه حسگرها الگوی مشخصی از سیگنالهای الکتریکی تولید میکنند. این الگو در واقع نوعی اثر انگشت شیمیایی محسوب میشود که میتواند برای شناسایی ماده غذایی یا وضعیت آن مورد استفاده قرار گیرد.
کارلا باسیل، دانشجوی دکتری مهندسی برق و علوم کامپیوتر در دانشگاه برکلی و نویسنده اصلی این پژوهش توضیح داد که عملکرد این سامانه شباهت زیادی به جوانههای چشایی یا گیرندههای بویایی دارد؛ با این تفاوت که تمامی واکنشها به صورت دیجیتالی ثبت و تحلیل میشوند. هر حسگر تعامل میان مولکولهای شیمیایی و سطح خود را به سیگنال الکتریکی تبدیل میکند و سپس نرمافزار مبتنی بر یادگیری ماشین این دادهها را تفسیر میکند.
پژوهشگران برای آموزش سامانه، مجموعه متنوعی از مواد غذایی را در معرض حسگرها قرار دادند. این مجموعه شامل توتفرنگی، بلوبری، موز، گردو، فندق، بادام هندی و بادام زمینی بود. الگوریتمهای یادگیری ماشین پس از دریافت دادههای حاصل از حسگرها توانستند الگوهای مربوط به هر ماده غذایی را یاد بگیرند و آنها را از یکدیگر تشخیص دهند.
علاوه بر شناسایی مواد غذایی مختلف، پژوهشگران قابلیت تشخیص فساد را نیز مورد آزمایش قرار دادند. آنها نمونههایی از شیر، تخممرغ و مرغ خام را برای مدت ۲۴ و ۴۸ ساعت در دمای اتاق نگهداری کردند و سپس گازهای آزادشده از این مواد را مورد بررسی قرار دادند. نتایج نشان داد که سامانه میتواند میان نمونههای تازه و فاسدشده تمایز قائل شود و تغییرات شیمیایی ناشی از فساد را تشخیص دهد.
یکی دیگر از ویژگیهای قابل توجه این فناوری، توانایی شناسایی مواد آلرژیزا است. در آزمایشهای انجامشده، بینی الکترونیکی موفق شد تنها ۰٫۰۵ گرم گردو را تشخیص دهد. این مقدار تقریباً معادل یکصدم وزن یک گردوی معمولی بدون پوست است. چنین سطحی از حساسیت میتواند در آینده برای افراد مبتلا به آلرژیهای شدید اهمیت زیادی داشته باشد، چرا که حتی مقادیر بسیار اندک برخی مواد غذایی نیز میتوانند واکنشهای خطرناک ایجاد کنند.
با وجود نتایج امیدوارکننده، پژوهشگران تأکید کردهاند که این فناوری هنوز در مراحل اولیه توسعه قرار دارد. آزمایشهای فعلی در شرایط کنترلشده آزمایشگاهی انجام شدهاند و هنوز مشخص نیست سامانه در محیطهای پیچیدهتر چه عملکردی خواهد داشت. به همین دلیل، مرحله بعدی تحقیقات بر بررسی توانایی دستگاه در شناسایی آلرژنها در غذاهای ترکیبی و محیطهایی با چندین منبع بو به صورت همزمان متمرکز خواهد بود.
یکی از نوآوریهای مهم این پروژه به نوع حسگرهای مورد استفاده مربوط میشود. بیشتر بینیهای الکترونیکی موجود از حسگرهای مبتنی بر اکسید فلز استفاده میکنند که برای عملکرد صحیح به دمای بالا نیاز دارند. اما تیم تحقیقاتی برکلی از نانولولههای کربنی بهره گرفته است. این ساختارها سطح تماس بسیار بزرگی دارند و میتوانند در دمای اتاق نیز با حساسیت بالا به ترکیبات شیمیایی واکنش نشان دهند.
استفاده از نانولولههای کربنی مزیت دیگری نیز دارد. این فناوری امکان بهکارگیری مواد حسگری متنوعی از جمله پلیمرها را فراهم میکند؛ موادی که در دماهای بالا ممکن است دچار تخریب شوند. همچنین فرایند تولید تراشه را سادهتر میکند و اجازه میدهد چندین ماده حسگری مختلف تنها در یک مرحله روی تراشه قرار گیرند.
پژوهشگران اعلام کردهاند که نسخهای قابل حمل از این سامانه نیز ساخته شده است. این نسخه میتواند به یک برنامه آیفون متصل شود و نتایج تحلیل را به صورت مستقیم در اختیار کاربر قرار دهد. توسعهدهندگان امیدوار هستند با افزایش دقت و قابلیت اطمینان این فناوری، در آینده امکان استفاده از آن در خانهها، فروشگاههای مواد غذایی، صنایع غذایی و سامانههای هوشمند فراهم شود.
نتایج این پژوهش در مجله علمی Science Advances منتشر شده است. محققان دانشگاه برکلی و مؤسسه KAIST کره جنوبی در اجرای این پروژه همکاری داشتهاند و علی جاوی، استاد برجسته پردازش نیمههادی دانشگاه برکلی، هدایت علمی این مطالعه را بر عهده داشته است. این فناوری میتواند گام مهمی در مسیر توسعه سامانههای هوشمند تشخیص کیفیت مواد غذایی و کاهش خطرات ناشی از مصرف محصولات فاسد یا آلرژیزا باشد.
