

Para ilmuwan menciptakan sensor yang bertindak sebagai 'lidah elektronik' untuk pengujian keamanan pangan. (Zametalov/Shutterstock)
Penipuan makanan menimbulkan kerugian miliaran – sensor AI akhirnya bisa menghentikannya
TAMAN UNIVERSITAS, Pa.— Ponsel cerdas Anda dapat mengenali wajah, dan mobil Anda dapat mendeteksi penanda jalur; sekarang, para peneliti telah mengajarkan mesin untuk merasakan. Sebuah tim di Penn State University telah mengembangkan “lidah elektronik” yang menggabungkan sensor setipis atom dengan kecerdasan buatan untuk mendeteksi penipuan, pembusukan, dan kontaminasi makanan dalam hitungan menit.
Penelitian ini, dipublikasikan di Alammenggabungkan dua teknologi mutakhir. Tim menggunakan sensor yang terbuat dari graphene, yang merupakan bentuk karbon sangat tipis yang hanya setebal satu atom dan menghantarkan listrik dengan sangat baik. Mereka memasangkan sensor ini dengan kecerdasan buatan yang dapat mempelajari pola. Bersama-sama, hal ini menciptakan sistem yang sangat baik dalam mendeteksi perbedaan kecil antara cairan serupa.
Sistem ini meniru cara manusia mencicipi dan memproses rasa. Sama seperti lidah kita yang memiliki reseptor rasa yang mengirimkan sinyal ke otak kita korteks pengecapan – wilayah yang bertanggung jawab untuk menafsirkan rasa di luar kategori dasar manis, asam, pahit, asin, dan gurih – lidah elektronik ini menggunakan sensor yang mengirimkan sinyal listrik ke jaringan saraf buatan yang menganalisis data.
Pengujian makanan tradisional memerlukan peralatan laboratorium yang mahal dan analisis yang memakan waktu. Namun, sistem baru ini dapat mendeteksi berbagai zat dan menilai kualitas, keaslian, dan kesegarannya dalam waktu sekitar satu menit. Sensor tersebut bekerja seperti pengecap elektronik, menghasilkan sinyal listrik yang berubah ketika terkena larutan kimia yang berbeda.


Lab Saptarshi Das/Penn State)
Apa yang membuat sistem ini inovatif adalah kemampuannya untuk mempelajari dan meningkatkan keahlian manusia. Ketika peneliti mengizinkan kecerdasan buatan untuk menentukan parameter analisisnya sendiri daripada menggunakan metrik yang dipilih manusia, akurasi meningkat dari 80% menjadi lebih dari 95%. Menggunakan teknik yang disebut Penjelasan aditif Shapleytim tersebut bahkan dapat mengintip proses pengambilan keputusan yang dilakukan AI, dan memberikan gambaran sekilas tentang bagaimana kecerdasan buatan mencapai kesimpulannya.
“Kami menemukan bahwa jaringan melihat karakteristik yang lebih halus dalam data—hal-hal yang sulit kami definisikan dengan benar sebagai manusia,” kata penulis koresponden Saptarshi Das, dalam sebuah pernyataan. “Dalam hal susu, jaringan saraf dapat menentukan berbagai kandungan air dalam susu dan, dalam konteks itu, menentukan apakah ada indikator degradasi yang cukup berarti untuk dianggap sebagai masalah keamanan pangan.”
Sistem ini terbukti sangat efektif dalam mendeteksi susu encer pada konsentrasi serendah 5%, membedakan berbagai jenis campuran kopi, dan melacak kesegaran jus buah selama beberapa hari. Dalam satu demonstrasi yang mengesankan, ia membedakan produk serupa seperti Coke biasa, Diet Coke, Pepsi, Coke bebas kafein, dan Coke tanpa gula dengan akurasi lebih dari 97%.
Yang menakjubkan adalah sistem ini tidak memerlukan sensor yang benar-benar identik agar dapat bekerja dengan baik. AI cukup pintar untuk menyesuaikan perbedaan kecil antar sensor, sama seperti otak kita dapat menyesuaikan diri terhadap sedikit variasi selera. Hal ini membuat teknologi ini jauh lebih murah untuk diproduksi dalam jumlah besar karena produsen tidak perlu khawatir untuk membuat setiap sensor sama persis.


Sistem ini sangat sensitif dalam mendeteksi bahan kimia berbahaya dalam makanan dan air. Sebagai gambaran, ia dapat menemukan senyawa yang berpotensi berbahaya yang disebut asam perfluoroheksanoat (bahan kimia yang digunakan dalam manufaktur yang dapat mencemari makanan dan air) pada tingkat yang setara dengan mendeteksi setetes air di kolam renang ukuran Olimpiade—yaitu 2,5 bagian per miliar. Kemampuan deteksi yang sangat sensitif ini dapat membantu menangkap makanan dan air yang terkontaminasi sebelum sampai ke konsumen.
Namun, hasil ini jauh melampaui pengujian makanan. Menurut para peneliti, penerapannya berpotensi mencakup diagnostik medis, dengan kemampuannya hanya dibatasi oleh data yang digunakan untuk melatihnya.
“Lidah elektronik” ini mewakili langkah signifikan dalam menjadikan pengujian kimia canggih lebih mudah diakses dan diandalkan. Dengan menerima ketidaksempurnaan pada sensor sambil memanfaatkan kecerdasan buatan, para peneliti telah menciptakan sistem yang secara mendasar dapat mengubah cara kita memverifikasi keamanan dan keaslian pangan.
Ringkasan Makalah
Metodologi
Para peneliti mengembangkan transistor efek medan sensitif ion (ISFET) berbasis graphene yang terhubung ke jaringan saraf tiruan. Berbeda dengan sensor tradisional yang memerlukan komponen khusus untuk mendeteksi bahan kimia berbeda, sistem ini menggunakan sensor non-fungsional yang mampu mendeteksi berbagai zat. Jaringan saraf awalnya dilatih menggunakan 20 parameter spesifik yang terkait dengan bagaimana cairan sampel berinteraksi dengan sifat listrik sensor. Kemudian, sistem diizinkan untuk mengembangkan parameternya sendiri dari data sensor mentah, sehingga menghasilkan peningkatan akurasi yang signifikan.
Hasil
Lidah elektronik mencapai akurasi lebih dari 95% saat menggunakan parameter yang diturunkan dari mesin, dibandingkan dengan akurasi 80% dengan parameter yang dipilih manusia. Ini dapat mengidentifikasi susu yang encer, membedakan minuman serupa, menilai jenis campuran kopi, dan memantau kesegaran jus buah dari waktu ke waktu. Sistem ini dapat melakukan penentuan ini dalam waktu sekitar satu menit, sehingga memberikan hasil yang lebih cepat dibandingkan metode pengujian laboratorium tradisional.
Keterbatasan
Meskipun sistem ini menjanjikan, kemampuannya saat ini dibatasi oleh data pelatihannya. Penelitian ini berfokus terutama pada sampel cair, sehingga menimbulkan pertanyaan tentang efektivitasnya dengan makanan padat. Selain itu, meskipun sistem dapat mendeteksi berbagai zat, sistem tersebut harus dilatih secara khusus untuk setiap aplikasi baru.
Diskusi dan Kesimpulan
Penelitian menunjukkan bahwa sensor yang tidak sempurna, dikombinasikan dengan AI yang canggih, dapat memberikan hasil yang sangat akurat untuk aplikasi pengujian makanan. Kemampuan sistem untuk mempelajari dan mengidentifikasi karakteristik halus yang sulit didefinisikan oleh manusia menunjukkan potensi penerapan di luar keamanan pangan, termasuk diagnostik medis. Toleransi teknologi terhadap variasi produksi dapat menjadikannya lebih layak secara komersial dibandingkan teknologi sensor sebelumnya.
Pendanaan dan Pengungkapan
Pekerjaan ini didukung oleh hibah Peluang Penelitian Pascasarjana Teknologi Luar Angkasa dari NASA. Tim peneliti termasuk anggota dari Departemen Sains dan Mekanika Teknik Penn State dan Pusat Penerbangan Luar Angkasa Goddard NASA.
Informasi Publikasi
Diterbitkan di AlamVolume 634, 17 Oktober 2024, halaman 572-578. Penulisnya antara lain Andrew Pannone, Aditya Raj, Harikrishnan Ravichandran, Sarbashis Das, Ziheng Chen, Collin A. Price, Mahmooda Sultana, dan Saptarshi Das dari Penn State University dan NASA Goddard Space Flight Center.