NTU研究人员模仿哺乳动物的嗅觉系统,发明人工“电子鼻”

人类对于嗅觉的研究也从最早的化学分析方法逐渐发展成仪器分析方法,尤其是采用了仿生技术的机器嗅觉时代的到来,对气体的识别能力越来越强,识别率也逐渐得到稳步提升。

前言:

人类对于嗅觉的研究也从最早的化学分析方法逐渐发展成仪器分析方法,尤其是采用了仿生技术的机器嗅觉时代的到来,对气体的识别能力越来越强,识别率也逐渐得到稳步提升。

作者 | 方文

万分灵敏的“电子鼻

很大一部分模拟电子产品都与现实世界的传感器及讯号处理密切相关。在所有的感官功能中,气味识别是AI最不擅长的一个,但如果从突破这个关键点,将可以为设计更高效、稳定的机器智能提供重要灵感。

仿生嗅觉系统可以分辨和识别成千上万种不同的气味分子,具有很好的灵敏度和特异性。

随着嗅觉机理研究的不断深入以及现代生物医学技术的不断进步,人类对于嗅觉的研究也从最早的化学分析方法逐渐发展成仪器分析方法,尤其是采用了仿生技术的机器嗅觉时代的到来,对气体的识别能力越来越强,识别率也逐渐得到稳步提升。

新加坡南洋理工大学(NTU)的研究人员通过模仿哺乳动物的嗅觉系统,发明了人工“电子鼻”,可准确评估肉类的新鲜度。

目前,测定肉类采用的是挥发性盐基氮法。在肉类长时间放置过程中,由于酶和细菌的作用,蛋白质、脂肪和糖类被分解、变质,一系列碱性含氮的有毒物质如酪胺、组胺、尸胺等胺类被释放出来。

通过检测这类物质的量,进而反推肉类的新鲜度。该方法主要的弊端在于,需要特定的仪器进行检测,其使用不便,检测复杂。这意味着只能由政府相关部门、相关人员,使用仪器在特定的环境和场合进行检测,效率低、可使用场景少,还存在测不准的问题。

气相色谱法或液相色谱法是目前用来判定未知气味或味道最成功的方法,色谱法肯定比鼻子灵敏很多,而且可以分辨出更多的成分。

真正实现快速、准确、无损检测

电子鼻识别肉类新鲜度之所以比传统方法准确度高,并不是因为我们检测了更多种类的气体,而是对变色条码的解读更精确。这也是电子鼻技术的核心,是一个精确解读变色条形码信息的一套算法。

“条形码” 由 20 种不同类型的的壳聚糖、染料和醋酸纤维组成的多空纳米复合材料构成。当其置于待测肉类之上,条码中的卤素染料根据气体类型和浓度发生交叉反应,显示出彩色条形码(气味指纹)。

NTU研究人员模仿哺乳动物的嗅觉系统,发明人工“电子鼻”

比如,在条形码上第一条带上,有一种叫溴百里酚蓝(BPB)的染料,当遇到微生物降解蛋白质产生的生物胺,其羟基基团分裂,可见色从黄色变成蓝色。当暴露在不同浓度的气体中时,条码的每一条都会有不同颜色或颜色范围。

研究人员将条形码粘在透明聚氯乙烯(PVC)肉类包装薄膜上,并朝向外侧,但是不接触肉制品。然后将该样品置于 25℃环境中,在不打开包装的情况下,使用智能手机拍摄条形码图像。最终,他们得到了 4161 张肉类图像,并随机分成两组:一组有 3475 张,用来训练模型;另一组 686 张用来测试。

识别条形码的模型使用的是深度卷积神经网络算法(DCNN)。电子鼻经过训练后,用 686 张图像测试,让系统判断该条形码对应的肉类属于新鲜、不新鲜或者变质,准确度高达 98.5%。

这种新型 “电子鼻”,在肉质新鲜度检测上,真正做到了便携、准确和无损。

在此之前,类似的电子鼻存在的问题往往是过于笨重,例如拖着长长的电源线。或者是检测条件苛刻,某些电子鼻传感器在高温下才能工作。而新型电子鼻,只需要一张条形码,和一部智能手机即可。操作人员拍下条形码,使用专门开发的 APP 上传图片,接入云端的分析系统,快速得到结果。

NTU研究人员模仿哺乳动物的嗅觉系统,发明人工“电子鼻”

应用远不止肉类检测

仿生嗅觉在食品工业、环境检测、安全保障等领域也有着重要应用,经过数字化处理的嗅觉信息甚至可以通过网络传输共享。

除了检测肉类新鲜度以外,电子鼻具备用在公共安全和危险品检测的潜力。很多化学危险品本身就有特殊的气味,这也是警犬能够识别它们的原因,如果能用电子鼻快速准确的识别该类物质,能够提高检测效率和安全性。

医疗领域的重大应用中,人体在生病时会产生各种不同类型的气味,对应的疾病种类也各不相同,因而可以利用仿生嗅觉对人体疾病开展相关诊治。

结尾:

生物计算机的出现,生物与仿生材料研究的进步, 微细加工技术的提高,纳米技术的应用,电子鼻的功能将逐步增强, 它将会具有更高级的智能,能够进行分析、判断、自适应、自学习、最终发展到具有创造能力, 可以完成图像识别、特征值提取、多维检测等复杂任务, 其应用前景将更广阔。

本文版权归原作者所有,同心智造网(www.hahakm.com)转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

(1)
上一篇 2020年12月14日 上午5:13
下一篇 2020年12月14日 上午7:59

相关推荐

扫码关注
扫码关注
加入社群
加入社群
QQ咨询
分享本页
返回顶部