模擬人類感知的人工智能技術,我們已經介紹過很多了,而今天我們要關注一種新的感知智能——嗅覺AI。
正如人類在“眼耳鼻舌身”這些不同感覺器官在獲取信息中所占的比重不同,在AI技術當中的感知智能也幾乎呈現出相似結構的比重,其中,機器視覺的比重最大,可謂是一枝獨秀,幾乎是市面上人工智能應用的代名詞。另外一種是聽覺智能,主要應用是在語音語義識別,其他類型的聲音識別也有一些應用出現,而其他感知智能的開發占比就更小的多了。
根據最近幾年的觀察,研究人員已經對氣體的AI識別,特別是對氣體或液體的有害性識別上有所進展。現在研究人員對于食物的氣味識別,有了新的嗅覺智能的解決方案。
最近,新加坡南洋理工大學(NTU Singapore)的一個科學家團隊發明了一種嗅覺AI系統,通過模仿我們人類的鼻子,借助一個“條形碼”閱讀器作為中介,來識別肉類食物的新鮮程度。
初次看到這一研究,很多人覺得跟人類的嗅覺能力相比,應用范圍實在太窄。但經驗告訴我們,一旦專業性的AI應用在大規模普及的實際場景中,將可以帶來非常驚人的生產力提升效果。而基于這一項嗅覺AI的研究,在食物的新鮮度檢測上面,將可能大有作為。
緣起:為什么要做食物新鮮度檢測?
餐桌上的浪費,已經成了很多人日常生活中可以熟視無睹的一種常態。相比較這種“看得見”的浪費,那些在食物被做好端上餐桌之前的浪費則更加隱蔽,浪費也更加嚴重。
根據全球農業與食品營養問題委員會的一份報告,全世界每年浪費13億噸糧食,總價值在1萬億美元,而其中三分之一在端上餐桌前就已經被浪費掉。其中,每年超過半數的水果和蔬菜被浪費掉,25%的肉類沒能端上餐桌還有像種子、堅果、奶制品以及海產品等高營養價值的食物因保存不當被浪費掉。與此同時,全世界有30億人處在食物缺乏或營業不均衡狀態。
全球性的糧食危機和食物的結構性浪費問題,是一個舉世公認的難題。除了呼吁富裕地區的消費者在購買食材、消費食物的過程中奉行節約、適量、打包等原則外,還有另外一個解決途徑就是重新優化食物生產、加工、運輸和售賣的各個環節,減少這個階段的食物損耗。
具體到食物的流通環節,有大量食物是因為長相不好就被零售商丟掉,有一些容易腐爛的食物則會在運輸、儲存和冷凍過程中壞掉,還有更多食物是在貨架上臨近保質期而被扔掉,也有大量食物在消費者購買回家后來不及食用而被丟掉。
在這個過程中,我們可以注意到,新鮮度對于這些食物是否會被丟棄非常重要。如何隨時檢測這些食物的新鮮度,并且區分出不同的銷售日期或者給出更為優惠的價格,將可以更好地促進這些食物的出售;同樣對于已經被消費者買到家的食物,一些人會對不太新鮮的食物保持警惕而直接扔掉,也有一些人可能無法判斷食物的腐爛情況而照單全收,這樣又可能會造成食物健康風險。
通常來說,我們都是靠著個人經驗和自己的嗅覺能力來判斷這些食物的新鮮程度,但顯然食物零售商們做不到雇人隨時檢測變化來評估食物的使用周期,消費者做不到對冰箱里的生鮮食物做到準確判斷。
如果有一套能夠準確測算,又就如同塑料包裝一樣便宜好用的設備來對食物進行新鮮度監測的話,那就可以極大提高食物的利用效率,比單純張貼一個固定的建議食用日期,更能夠反映食物的可食用狀態。
現在,新加坡南洋理工大學團隊發明的這套嗅覺AI系統,將為解決這一問題打開一個新的思路。
AI電子鼻:為肉類新鮮度標上“氣味指紋”
實現嗅覺AI,有一個關鍵問題是如何將嗅覺的對象——“氣味”進行數據化統計?
從目前看到的研究方向來說,有以下幾種方式。一種是還原的方式,比如谷歌的科學家們采用的方式就是通過氣味的識別模型來推到出氣體的分子結構,進而再推到大腦嗅覺感知的運作方法。一種是模擬的方式,比如尼日利亞的一個研究小組直接用生物傳感器和芯片來識別特定氣味,他們研發了一種使用小鼠神經元制造的計算機芯片,可以通過氣味訓練,用來檢測揮發性化學物質、爆炸物甚至是癌癥等疾病的氣味。
由于氣味本身具有非常高度混合性或者非結構化特征,往往很難直接對氣體的分子結構進行還原或進行模擬分析,否則只能變成對某些單一氣體進行分辨和識別。
這一次,新加坡南大團隊發明的這種嗅覺AI系統則是對“氣味”的數據化進行兩個步驟的拆解,將氣味的化學信號轉變成圖形顏色的識別信號,解決了氣味本身的復雜度問題。
這個嗅覺AI系統被稱為“電子鼻”(e-nose),保護兩個部分:1、條形碼:能夠根據肉類腐爛時產生的氣體而改變顏色;2、閱讀器:一個經過深度卷積神經網絡算法驅動的手機應用程序。電子鼻的“閱讀器”可以根據大量的條形碼顏色庫當中識別和預測肉類的新鮮程度。
另外,為了使電子鼻便于攜帶,研究者將其整合到一個智能手機應用中,可以在30秒內得出結果。
首先,電子鼻的條形碼模擬了我們人類嗅覺的工作方式。當腐爛的肉類食物產生的氣體和我們鼻子中的受體結合的時候,就會產生特定信號傳送給大腦,大腦根據這些信號并給出相應的模式,使得我們能夠判斷這些肉類食物的腐爛的程度。
2004年諾貝爾生理學獎得主理查德阿克塞爾和琳達巴克曾經在嗅覺機理研究中發現,人類雖然只有1000種左右的嗅覺基因(細胞類型),但可以感受和辨識10000種以上的氣味化學物質,這種辨別氣味的復雜度可以逆天,當然還遠遠比不上狗狗的能力。
而在電子鼻的條形碼中,有20個條碼,條碼是由一種裝載了不同類型燃料的纖維素殼聚糖制成的,這些燃料會跟肉類釋放的氣體發生反應,并根據不同類型和濃度的氣體而改變顏色,從而形成獨特的顏色組合,相當于一種肉類狀態的獨特的“氣味指紋”。
例如,條形碼中的第一條含有一種呈弱酸性的黃色燃料,在跟肉類腐爛產生的胺化物接觸時,就會從黃色變為藍色,而且隨著胺化物濃度的增加而加深顏色。
那么,如何讓“閱讀器”能夠識別這些“氣味指紋”并能識別肉類的新鮮度呢?
第二步就是,研究者要先按照肉類新鮮度的國際標準制定一個分類系統,然后在真實環境下對不同時間的儲存的肉類進行條形碼的檢測和圖像拍攝,并按照新鮮度進行分類。然后用不同條碼的圖像訓練相應的嗅覺算法,建立起“氣味指紋”和不同類別新鮮度對應的模式。
第三步,模型建立起來之后,研究者就可以測試電子鼻的預測準確度了。研究人員分別對商業包裝好的雞肉、魚肉和牛肉的新鮮度進行了新鮮度測試。在48小時內,對六種肉類以不同的時間間隔拍攝了超過4000張的條形碼圖像,其中3475張用于訓練捕捉到氣味指紋的模式,其余用于準確性測試。最終結果顯示,總體準確率到達98.5%,其中變質肉類的準確率100%,識別為新鮮和不太新鮮肉類的準確率為96%和99%。
對于嗅覺AI模型達到這樣的準確度,我們其實并不感到意外,雖然人類在識別這些條碼顏色上可能會陷入混亂,但是對于計算機來識別這些條碼顏色,而且只有三種結果分類來說,簡直是小菜一碟。
其實對于一個實驗室中的AI模型而言,我們可能更關心的是其是否有落地應用的可能?
嗅覺AI,每一份食物新“標配”?
那么,這款專門用于“肉類新鮮度”識別的電子鼻是否有商用的前景呢?
可能性是有的。首先嗅覺AI的識別準確度顯著高于目前常用的一些判斷方法,而在識別效率上又明顯優于人類的肉眼。
其次是條形碼的環保材料和低廉成本,使其很容易集成到包裝材料中,并且因其可生物降解性和無毒特性,能夠保證環保的情況下用于食品供應鏈的各個環節,又因其不需要不知笨重的信號收集線的采集方式,也使其能夠大量應用于生產和生活場景。
第三是可食用日期的精準預測會帶來肉類的更好銷售。對于商家而言,可以根據對肉類新鮮程度的判斷給出更精準的保質期,從而可以給出更好的價格策略,來對不同日期的肉類進行標價。對于消費者而言,也可以按照這些肉類的新鮮度來安排烹飪的先后時間。
我們也可能質疑這一款應用的實用性。因為對于很多消費者而言,買回家的肉類如果一下子吃不完就直接扔到冷凍柜中,也就不在乎什么新鮮度的問題。
確實,如果將嗅覺AI僅用于肉類這一個場景,其實并沒有解決多少的食物浪費問題。商家更多扔掉的是那些看起來賣相不佳的瓜果蔬菜,我們也常常對那些拿不準的食材產生懷疑,并隨手丟棄。
顯然,這一嗅覺AI應該擴大可以準確識別的食物種類。根據介紹,目前該方案已經申請專利,該團隊正在和新加坡的一家農業企業進行合作,將這一設備應用到其他種類的容易腐爛的食物上面。
有時候,我們總是高估那些顛覆性的創新的價值,而忽視那些微小的改進型的創新的價值。有時候,我們總是嘲笑那些笨拙的、簡單的發明,而過分相信那些精巧的、細致的人類工藝。但工業革命的歷史告訴我們,每一個改變生產力方式的變革都是從那些笨拙、粗糙和緩慢迭代的發明中出現的,就如那最初的蒸汽火車、那簡陋的電報機、那手工焊接出來的晶體管,而像人工智能同樣如此,一開始可能只能認出很狹窄的一點事物,但隨著學習能力的增加和無限可復制的特性,很快就可以在某些領域超越人類中的高手。
顯然,嗅覺AI,我相信,也具有同樣的潛力,雖然如今只是一個從實驗室走出的“弱雞”,但也許有一天就如同價簽、二維碼一樣,成為我們日常生活中無處不在的存在,成為每一份新鮮食物的標配。
通過嗅覺AI和更多傳感器的分析和預測,告訴我們關于食物的新鮮度、營養水平、碳排放以及與世界其他地區的關系,讓我們參與到一場全世界食物更公平分配的宏大愿景中。
審核編輯:符乾江
-
AI
+關注
關注
88文章
34457瀏覽量
275848 -
人工智能
+關注
關注
1804文章
48798瀏覽量
247081
發布評論請先 登錄
工業傳感器的“愛情長跑”:用精準數據守護每一份信任

DeepSeek推動AI算力需求:800G光模塊的關鍵作用
求一份在STM32F407的CS1239的驅動程序
求一份evl-32px10的資料
求一份evl-32px10評估板的資料
企業AI模型部署攻略
艾邁斯歐司朗光子創新:利用多光譜傳感技術減少食物浪費
請求一份CS1237 的應用應用原理圖和軟件代碼
智能可穿戴嗅覺接口可實現無延遲混合現實和快速嗅覺增強

評論