江苏龙网

  1. 首页 > 人文 > >

嗅觉AI：为减少食物浪费出点力( 二 )


实现嗅觉AI ， 有一个关键问题是如何将嗅觉的对象——“气味”进行数据化统计？
从目前看到的研究方向来说 ， 有以下几种方式 。 一种是还原的方式 ， 比如谷歌的科学家们采用的方式就是通过气味的识别模型来推到出气体的分子结构 ， 进而再推到大脑嗅觉感知的运作方法 。 一种是模拟的方式 ， 比如尼日利亚的一个研究小组直接用生物传感器和芯片来识别特定气味 ， 他们研发了一种使用小鼠神经元制造的计算机芯片 ， 可以通过气味训练 ， 用来检测挥发性化学物质、爆炸物甚至是癌症等疾病的气味 。
由于气味本身具有非常高度混合性或者非结构化特征 ， 往往很难直接对气体的分子结构进行还原或进行模拟分析 ， 否则只能变成对某些单一气体进行分辨和识别 。
这一次 ， 新加坡南大团队发明的这种嗅觉AI系统则是对“气味”的数据化进行两个步骤的拆解 ， 将气味的化学信号转变成图形颜色的识别信号 ， 解决了气味本身的复杂度问题 。
这个嗅觉AI系统被称为“电子鼻”（e-nose） ， 保护两个部分：1、条形码：能够根据肉类腐烂时产生的气体而改变颜色；2、阅读器：一个经过深度卷积神经网络算法驱动的手机应用程序 。 电子鼻的“阅读器”可以根据大量的条形码颜色库当中识别和预测肉类的新鲜程度 。
另外 ， 为了使电子鼻便于携带 ， 研究者将其整合到一个智能手机应用中 ， 可以在30秒内得出结果 。
首先 ， 电子鼻的条形码模拟了我们人类嗅觉的工作方式 。 当腐烂的肉类食物产生的气体和我们鼻子中的受体结合的时候 ， 就会产生特定信号传送给大脑 ， 大脑根据这些信号并给出相应的模式 ， 使得我们能够判断这些肉类食物的腐烂的程度 。
2004年诺贝尔生理学奖得主理查德阿克塞尔和琳达巴克曾经在嗅觉机理研究中发现 ， 人类虽然只有1000种左右的嗅觉基因(细胞类型) ， 但可以感受和辨识10000种以上的气味化学物质 ， 这种辨别气味的复杂度可以逆天 ， 当然还远远比不上狗狗的能力 。
而在电子鼻的条形码中 ， 有20个条码 ， 条码是由一种装载了不同类型燃料的纤维素壳聚糖制成的 ， 这些燃料会跟肉类释放的气体发生反应 ， 并根据不同类型和浓度的气体而改变颜色 ， 从而形成独特的颜色组合 ， 相当于一种肉类状态的独特的“气味指纹” 。
例如 ， 条形码中的第一条含有一种呈弱酸性的黄色燃料 ， 在跟肉类腐烂产生的胺化物接触时 ， 就会从黄色变为蓝色 ， 而且随着胺化物浓度的增加而加深颜色 。
那么 ， 如何让“阅读器”能够识别这些“气味指纹”并能识别肉类的新鲜度呢？
第二步就是 ， 研究者要先按照肉类新鲜度的国际标准制定一个分类系统 ， 然后在真实环境下对不同时间的储存的肉类进行条形码的检测和图像拍摄 ， 并按照新鲜度进行分类 。 然后用不同条码的图像训练相应的嗅觉算法 ， 建立起“气味指纹”和不同类别新鲜度对应的模式 。
第三步 ， 模型建立起来之后 ， 研究者就可以测试电子鼻的预测准确度了 。 研究人员分别对商业包装好的鸡肉、鱼肉和牛肉的新鲜度进行了新鲜度测试 。 在48小时内 ， 对六种肉类以不同的时间间隔拍摄了超过4000张的条形码图像 ， 其中3475张用于训练捕捉到气味指纹的模式 ， 其余用于准确性测试 。 最终结果显示 ， 总体准确率到达98.5% ， 其中变质肉类的准确率100% ， 识别为新鲜和不太新鲜肉类的准确率为96%和99% 。
对于嗅觉AI模型达到这样的准确度 ， 我们其实并不感到意外 ， 虽然人类在识别这些条码颜色上可能会陷入混乱 ， 但是对于计算机来识别这些条码颜色 ， 而且只有三种结果分类来说 ， 简直是小菜一碟 。
其实对于一个实验室中的AI模型而言 ， 我们可能更关心的是其是否有落地应用的可能？
嗅觉AI ， 每一份食物新“标配”？
那么 ， 这款专门用于“肉类新鲜度”识别的电子鼻是否有商用的前景呢？


推荐阅读


上一篇：最炫宅舞！波士顿动力机器人组团跳舞 踩点卡节奏比普通人跳得还好

下一篇：一加Nord智能机DxOMark相机得分108：表现中等 性价比尚可