Si tratta di una innovazione che possiede un potenziale promettente per ampie applicazioni come la sicurezza alimentare, il monitoraggio della salute e la protezione ambientale. Alla base del sistema ci sono degli idrogel che cambiano colore in risposta al pH.
Attualmente, i metodi per determinare la freschezza della carne richiedono molto tempo, sono scomodi o richiedono elevati requisiti di specialità. I ricercatori hanno proposto un sensore colorimetrico a microaghi (CMS) utilizzando un algoritmo di deep learning algoritmo per il monitoraggio visualizzato della freschezza della carne.
Il CMS è stato ottenuto stampando idrogel commestibili contenenti antociani sensibili al pH, che cambiano colore a causa del cambiamento strutturale degli antociani in risposta al pH. Quando attaccato alla carne, il CMS è in grado di penetrarla ed estrarre i fluidi tissutali mediante azione capillare. Con il deterioramento della carne, il pH del fluido tissutale aumenta gradualmente, portando a un cambiamento nel CMS dal rosa al viola e infine al blu scuro.
Pertanto, in base alle variazioni dei colori CMS, è stato ottenuto il rilevamento in situ e visualizzato della freschezza della carne. Inoltre, è stato applicato un algoritmo di deep learning da integrare con il CMS per formare un’applicazione per smartphone (app), consentendo un rilevamento della freschezza più comodo e accurato.
Sono state raccolte immagini di CMS allegate alla carne con diversa freschezza per formare una fonte di training come input della rete neurale convoluzionale (CNN). Attraverso le caratteristiche cromatiche contorte del CMS, è stata infine classificata la freschezza della carne come “fresca”, “meno fresca” e “guastata”.
Con l’incorporazione della CNN, l’App ha consentito agli utenti di identificare la freschezza della carne dalle foto archiviate o dalle immagini in tempo reale di carni etichettate con CMS in modo rapido, accurato, portatile e universale.
Questa strategia di rilevamento visualizzato del CMS combinata con un’app integrata con algoritmo ha un potenziale promettente per ampie applicazioni come la sicurezza alimentare, il monitoraggio della salute e la protezione ambientale.
DOI: 10.1016/j.cej.2023.148474
Sensore colorimetrico a microaghi che utilizza un algoritmo di deep learning per il monitoraggio della freschezza della carne
Colorimetric microneedle sensor using deep learning algorithm for meat freshness monitoring. Chemical Engineering Journal, Volume 481, 1 febbraio 2024
J. Wang, L. Xia, H. Liu, C. Zhao, S. Ming, J. Wu
