مروری بر کاربرد فناوری های طیف سنجی هوشمند و الگوریتم های هوش مصنوعی در تشخیص تقلبات غذایی

فناوری های طیف سنجی در سال های اخیر به عنوان ابزارهایی کلیدی برای شناسایی تقلبات غذایی و ارزیابی اصالت مواد غذایی مطرح شده اند، اما چالش هایی همچون پیچیدگی داده های طیفی، مشابهت الگوهای شیمیایی و نیاز به تحلیل سریع، استفاده موثر از این روش ها را محدود کرده است. هدف این مطالعه مروری، بررسی جامع پیشرفت های اخیر در ترکیب فناوری های طیف سنجی هوشمند با الگوریتم های یادگیری ماشین و هوش مصنوعی و تحلیل میزان تاثیر این هم افزایی بر دقت، سرعت و قابلیت اطمینان در تشخیص تقلبات غذایی است. در این مقاله، با مرور نظام مند مطالعات منتشرشده طی سال های اخیر، انواع فناوری های طیف سنجی شامل NIR، MIR، رامان، طیف سنجی تصویری و سامانه های پرتابل ارزیابی شده و همچنین روش های پردازش داده و الگوریتم های طبقه بندی و پیش بینی مانند شبکه های عصبی عمیق، ماشین بردار پشتیبان، روش های مبتنی بر ویژگی و مدل های یادگیری ترکیبی مورد تحلیل قرار گرفته اند. یافته ها نشان می دهد که ترکیب داده های طیفی با روش های هوش مصنوعی، دقت تشخیص را به طور قابل توجهی افزایش داده و امکان شناسایی تقلبات پیچیده، نمونه های دست کاری شده و ناخالصی های با غلظت کم را فراهم می کند. نتیجه گیری کلی این است که ادغام فناوری های طیف سنجی هوشمند با الگوریتم های پیشرفته یادگیری ماشین، رویکردی نویدبخش برای توسعه سامانه های دقیق، سریع و غیرمخرب در حوزه تضمین اصالت و ایمنی غذایی محسوب می شود و مسیر آینده بر بهبود یکپارچه سازی حسگرها، استانداردسازی داده ها و توسعه مدل های قابل تعمیم متمرکز خواهد بود.

کلیدواژه ها:

طیف سنجی هوشمند ، هوش مصنوعی ، تشخیص تقلبات غذایی ، یادگیری ماشین