Российские исследователи смогли обучить нейросетевые алгоритмы распознаванию разнообразных подделок молочной продукции. ИИ способен выявлять наличие в ней антибиотиков, консервантов, растительных добавок, генно-модифицированных компонентов, сообщает РИА Новости со ссылкой на Казанский государственный аграрный университет.
Эксперты отметили, что в настоящее время на прилавках присутствует множество вариаций фальсифицированной молочной продукции. Исследователи уточнили, что недобросовестные производители осуществляют замену части молочного жира растительными аналогами, разбавление цельного продукта водой или обезжиренной основой, выдачу молока одного животного за продукцию другого, искажение сведений на упаковочных материалах или в сопроводительной документации. Для контроля качества специалисты применяют различные методики, однако каждая из них в отдельности не способна полностью исключить фальсификацию.
К примеру, применение физико-химических подходов дает возможность измерить концентрацию белка и жира, использование хроматографических и спектроскопических технологий помогает выявлять антибиотики, консерванты, добавленную воду. В свою очередь молекулярно-биологические процедуры дают возможность установить видовую принадлежность сырья, обнаружить растительный белок, генетически модифицированные компоненты.
Совокупность указанных подходов формирует колоссальный объем сведений о составе каждой пробы. Ученые акцентировали внимание на том, что на данной стадии алгоритмы машинного обучения демонстрируют большую точность по сравнению с традиционными статистическими вычислениями, поскольку они способны одновременно анализировать более 10 спектральных параметров и выявлять скрытые закономерности, которые человеческому глазу обнаружить крайне затруднительно.
Авторы разработки рекомендовали организовать контроль молочной продукции по многоуровневой структуре, предполагающей первоначальное проведение экспресс-скрининга без разрушения образца, а в случае возникновения сомнений в подлинности выполнение точной лабораторной верификации. По убеждению специалистов, подобная стратегия позволяет минимизировать количество ошибочных заключений и в большей степени отвечает нормативам действующих регламентов.
Ранее стало известно, что ИИ научился определять спелость хурмы. Нейросеть позволит комплексный анализ плодов на ранних стадиях их развития.