توسعه سامانه هوش مصنوعی مبتنی بر یادگیری عمیق برای تشخیص سریع و سم زدایی اکراتوکسین A در زنجیره تامین محصولات کشاورزی به منظور ارتقای امنیت غذایی

آلودگی محصولات کشاورزی به اکراتوکسین A (OTA) به عنوان یکی از خطرناک ترین مایکوتوکسین ها، چالشی جدی برای سلامت انسان، امنیت غذایی و پایداری اقتصادی زنجیره تامین کشاورزی به شمار می رود. روش های سنتی تشخیص OTA، اغلب وقت گیر، پرهزینه و وابسته به تجهیزات آزمایشگاهی پیشرفته هستند. هدف از این پژوهش، طراحی و ارزیابی یک سامانه هوشمند بر پایه یادگیری عمیق به منظور تشخیص سریع، غیرمخرب و کم هزینه اکراتوکسین A و همچنین پیش بینی بهترین روش سم زدایی آن در محصولات کشاورزی است. در این مطالعه، مجموعه ای از داده های تصویری و طیفی (NIR، Fluorescence و Hyperspectral) مربوط به نمونه های آلوده و سالم جمع آوری شده و با استفاده از مدل های CNN، شبکه های هیبریدی و روش یادگیری انتقالی، الگوریتمی با دقت بالا برای شناسایی آلودگی توسعه یافت. علاوه بر این، یک مدل پیش بینی کننده بر پایه الگوریتم های بهینه سازی (GA و Bayesian Optimization) طراحی شد تا کارآمدترین روش سم زدایی را با توجه به نوع محصول، شدت آلودگی و شرایط محیطی پیشنهاد دهد. نتایج نشان داد که سامانه پیشنهادی می تواند با دقت بیش از ۹۵ درصد آلودگی را تشخیص داده و فرآیند سم زدایی را بهینه سازی کند. این سامانه قابلیت استفاده در انبارهای ذخیره، صنایع فرآوری مواد غذایی و مزارع هوشمند را داشته و می تواند به عنوان ابزار هشدار سریع برای ارتقای امنیت غذایی و توسعه پایدار شهری و روستایی مورد بهره برداری قرار گیرد.

کلیدواژه ها:

سم ، اکراتوکسین آ ، شناسایی ، سم زدایی ، هوش مصنوعی