في عالمنا المعاصر، تزايدت أهمية ضمان جودة زيوت الطهي المستخدمة في الأغذية، سواءً لأسباب تتعلق بالسلامة أو لمكافحة الغش. وفي هذا الإطار، تجري دراسات حديثة تدمج بين تقنيات الذكاء الاصطناعي (AI) والفيزياء، لتطوير نهج جديد ومبتكر.

تجري هذه الدراسة ضمن إطار العمل الذي يربط بين التحليل الطيفي باستخدام تقنية رامان (Raman Spectroscopy) وتطبيقات الذكاء الاصطناعي المدعومة بالمعلومات الفيزيائية (Physics-Informed AI - PI-AI). حيث تم تحليل خمسة أنواع من الزيوت الصالحة للأكل، سواءً في شكلها النقي أو داخل مصفوفة رقائق البطاطس المقلية.

تم استخدام تقنيات متعددة مثل K-means clustering، شجرة القرار (Decision Trees)، وتقنية Non-Negative Least Squares (NNLS) لتحليل البيانات. والنتائج أظهرت تحليلات غير مشرفة تشير إلى تنظيم قوي في تصنيف الزيوت النقية، فيما تأثير مصفوفة الطعام أدخل تداخلًا ملحوظًا في الطيف.

أظهرت نماذج شجرة القرار دقة تصنيف بنسبة 100% للزيوت النقية باستخدام أربع متغيرات فقط من الغشاء الطيفي. وهذا يمثل قمة الأداء، حيث تمثل هذه المتغيرات فقط حوالي 0.21% من المعلومات الطيفية المتاحة، ولكن مع الاحتفاظ بدقة رائعة.

بالإضافة إلى ذلك، أضافت تقنيات NNLS تحسنًا ملحوظًا في تصنيف الزيوت عندما يتم فصل المعلومات المستخرجة عن بقية المصفوفة الغذائية، مما أظهر دقة تصل إلى 86.4% للعينات المعدلة.

تُظهر النتائج أن الكشف عن زيوت الطهي باستخدام تقنيات الذكاء الاصطناعي هو احتمال واعد، مع إمكانية تحسينات مستقبلية في تكنولوجيا الرصد المحمول ومراقبة جودة الأغذية.
هل تتوقع أن تقنيات مثل PI-AI يمكن أن تحقق تقدمًا كبيرًا في مراقبة جودة الغذاء؟ شاركونا آراءكم في التعليقات!