Deep-Learning-Modell analysiert digitale Bilder von Mikrokolonien und unterscheidet zuverlässig zwischen Krankheitserregern und mikroskopischen Lebensmittelrückständen
-
Forschende haben ein KI-basiertes Deep-Learning-Modell entwickelt, das bakterielle Verunreinigungen in Lebensmitteln deutlich schneller erkennt als herkömmliche Tests.
-
Das System analysiert digitale Bilder von Bakterien-Mikrokolonien und liefert Ergebnisse innerhalb von etwa drei Stunden, statt mehrerer Tage.
-
Ein zentraler Fortschritt ist, dass das Modell nun Bakterien zuverlässig von mikroskopisch kleinen Lebensmittelrestenunterscheiden kann. Frühere Versionen stuften solche Rückstände in über 24 % der Fälle fälschlich als Bakterien ein; diese Fehler wurden eliminiert.
-
Das Projekt wird von Oregon State University (Leitung: Luyao Ma) gemeinsam mit der University of California, Davis, der Korea University und der Florida State University durchgeführt.
-
Getestet wurde das Modell an drei Bakterienarten (E. coli, Listerien, Bacillus subtilis) sowie an Rückständen von Huhn, Spinat und Cotija-Käse.
-
Hintergrund ist das hohe Gesundheitsrisiko: Die U.S. Food & Drug Administration schätzt jährlich 48 Millionen lebensmittelbedingte Erkrankungen in den USA.
-
Die Ergebnisse wurden in der Fachzeitschrift npj Science of Food veröffentlicht.
-
Ziel der weiteren Forschung ist es, das KI-System für den praktischen Einsatz in der Lebensmittelindustrie zu optimieren, um Ausbrüche und Rückrufe zu verhindern.
Quelle: https://www.yumda.com/de/