نقش یادگیری عمیق در تفسیر داده های حسگرهای الکتروشیمیایی برای اصالت سنجی مواد غذایی

ایمنی و اصالت مواد غذایی از مهم ترین دغدغه های جهانی در حوزه سلامت عمومی، اقتصاد و اعتماد مصرف کنندگان به شمار می رود. تقلب در مواد غذایی شامل افزودن مواد ارزان تر، جایگزینی ترکیبات اصلی یا ارائه اطلاعات نادرست درباره منشا جغرافیایی، نه تنها زیان های اقتصادی به بار می آورد بلکه می تواند سلامت انسان را به طور جدی به خطر اندازد. روش های سنتی آزمون اصالت مانند کروماتوگرافی و طیف سنجی جرمی اگرچه دقیق هستند، اما پرهزینه، زمان بر و نیازمند تجهیزات پیشرفته و اپراتور متخصص می باشند و برای پایش میدانی و برخط مناسب نیستند. در این میان حسگرهای الکتروشیمیایی به عنوان بستری سریع، ارزان، قابل حمل و با حساسیت بالا برای تشخیص تقلب ظهور کرده اند. با این حال، داده های خام این حسگرها اغلب پیچیده، غیر خطی و آغشته به تداخلات ماتریس مواد غذایی هستند که تحلیل آنها با روش های معمول تک متغیره را دشوار می سازد. یادگیری ماشین و به طور خاص روش های یادگیری عمیق با توانایی استخراج خودکار ویژگی ها، مدل سازی روابط غیرخطی و تشخیص الگوهای پنهان تحولی در تفسیر داده های الکتروشیمیایی ایجاد کرده اند. این مقاله مروری به بررسی نقش هوش مصنوعی و یادگیری ماشین در آشکارسازی تقلب و اصالت سنجی مواد غذایی از طریق تلفیق با حسگرهای الکتروشیمیایی می پردازد. ابتدا مبانی حسگرهای الکتروشیمیایی و تکنیک های رایج ولتامتری، آمپرومتری و طیف سنجی امپدانس الکتروشیمیایی تشریح شده، سپس الگوریتم های یادگیری ماشین از جمله ماشین بردار پشتیبان، جنگل تصادفی، نزدیک ترین همسایه و شبکه های عصبی کانولوشنی، ترنسفورمرها و شبکه های عصبی گرافی که در این حوزه به کار می روند معرفی می گردند. آنگاه با ذکر نمونه های پژوهشی متعدد کاربرد این تلفیق در شناسایی تقلب در روغن های خوراکی، شیر و فرآورده های لبنی، عسل، گوشت، ادویه جات، نوشیدنی ها و غیره به تفصیل ارائه می شود. در نهایت چالش های موجود مانند کمبود داده های استاندارد، مشکل جعبه سیاه بودن مدل ها و نیاز به تعمیم پذیری در ماتریس های غذایی متنوع مورد بحث قرار گرفته و راهکارهایی چون هوش مصنوعی قابل توضیح، یادگیری انتقالی و ادغام با اینترنت اشیاء به عنوان چشم اندازهای آینده مطرح می شوند. این بررسی نشان می دهد که پیوند میان حسگرهای الکتروشیمیایی و یادگیری ماشین مسیری نویدبخش برای توسعه سامانه های هوشمند قابل اعتماد و برخط در زنجیره تامین مواد غذایی فراهم می آورد.

کلیدواژه ها:

یادگیری ماشین ، حسگرهای الکتروشیمیایی ، تقلب مواد غذایی ، اصالت سنجی ، هوش مصنوعی ، شبکه های عصبی عمیق