• Un grup de cercetători a dezvoltat o modalitate de a utiliza inteligența artificială pentru a ajuta la găsirea mai eficientă a microplasticelor, ceea ce ar reprezenta un avantaj pentru industria alimentară.
Microplasticele sunt fragmente mici de resturi de plastic care se găsesc adesea în alimente. Atunci când sunt consumate, acestea pot duce la efecte negative asupra sănătății. Potrivit Institutului Național de Sănătate din SUA, ingerarea de microparticule de plastic poate provoca reacții precum durerile abdominale, greața și vărsăturile.
Un nou studiu prezintă o modalitate de a folosi inteligența artificială pentru a găsi astfel microplastice mai eficient decât metodele folosite în prezent. Cu ajutorul acestei metode bazată pe AI se vor putea detecta și microplasticele din alimente lucru care se realizează dificil la ora actuală.
Pentru a găsi microplastice, cercetătorii folosesc o metodă numită spectroscopie avansată, care expune particulele de plastic la diferite lungimi de undă ale luminii. Diferitele tipuri de plastic răspund diferit la lumină, ceea ce le permite cercetătorilor să stabilească ce tip de microplastic sunt.
Cu toate acestea, din cauza prezenței aditivilor de fabricație și a materialelor de umplutură, microplasticele pot fi dificil de identificat, deoarece materialele adăugate în procesul de obținere a plasticului estompează semnalul emis de acestea.
Microplasticele sunt, de asemenea, hidrofobe și pot absorbi alte substanțe chimice, iar alterarea caracteristicilor poate însemna că semnalele captate de spectroscopia avansată sunt diferite de cele care se găsesc în bazele de date privind materialele plastice existente. Din aceste motiv este dificilă precizia cu această metodă.
Acest lucru înseamnă adesea că este nevoie de intervenția umană pentru a găsi particulele de plastic, căutând în semnale modele care să le indice cercetătorilor despre ce microplastice este vorba. Chiar și atunci, acest proces poate fi inexact, cu o rată de eroare de până la 70%.
Precizie de neegalat
Pentru a contracara aceste neajunsuri, cercetătorii au dezvoltat un instrument de inteligență artificială numit PlasticNet, care este capabil să scaneze microplasticele cu 50% mai repede decât metodele anterioare și cu o precizie cu 20% mai mare. AI este antrenat pe mai mult de 8.000 de varietăți de plastic pentru a-i oferi o mai mare acuratețe.
De fapt, atunci când a fost testat, AI a clasificat cu succes 11 tipuri de plastic comun, cu o acuratețe de peste 95%, și a arătat o precizie de peste 92% atunci când a fost antrenat cu materiale plastice corupte de prezența aditivilor.
Din cauza incidenței ridicate a microplasticelor în alimente, AI PlasticNet reprezintă o modalitate mai rapidă și mai eficientă de a verifica prezența acestora decât o face verificarea manuală.
Tehnică rapidă și eficientă
Și asta pentru că algoritmii avansați sunt capabili să analizeze imaginile de înaltă rezoluție ale alimentelor pentru a depista și măsura amploarea poluării cu microplastice susține unul dintre autorii studiului, cercetătorul Ziang Zhu. „Această tehnică oferă o alternativă mai rapidă și mai precisă decât controalele manuale tradiționale. Învățarea automată excelează în metodele convenționale pentru recunoașterea microplasticele, chiar și în cazul compozițiilor complexe ale alimentelor.”
Pe lângă eficientizarea procesului de găsire a microplasticelor, tehnologia poate să prezică și probabilitatea de a găsi microplastice în anumite produse. AI poate analiza datele pentru a prognoza potențialele scenarii de contaminare. Prin analiza seriilor temporale a modelelor de date, AI poate identifica produsele alimentare sau procesele de fabricație care sunt mai susceptibile la contaminarea cu microplastice, acest lucru permițând verificări amănunțite și acțiuni preventive strategice.
Sursa: Leveraging deep learning for automatic recognition of microplastics (MPs) via focal plane array (FPA) micro-FT-IR imaging – PubMed (nih.gov) ( Folosirea deep learning pentru recunoașterea automată a microplasticelor (MP) prin intermediul imagisticii micro-FT-IR cu matrice de plan focal (FPA) ) Autori: A: Z. Zhu, W. Parker, A. Wong.
Articol realizat de Gabriela Dan, Redactor Arta Albă.
Citiți pe Arta Albă și: Îndulcitor CarobWay – alternativă la zahăr
