Με το κινητό θα διαπιστώνουμε πόσο φρέσκο είναι αυτό που αγοράζουμε

Ένα ελληνικό πανεπιστήμιο πρωτοπορεί στον εξαιρετικά ζωτικό τομέα της ασφάλειας των τροφίμων και έχει δημιουργήσει σε εργαστηριακή κλίμακα μια εφαρμογή για φορητούς “ελεγκτές” ποιότητας (όπως π.χ. ένα κινητό τηλέφωνο). Καλώς εχόντων των πραγμάτων, όταν τελειοποιηθεί, θα της “δείχνουμε” π.χ. κιμά στο σούπερ μάρκετ και αυτή (χωρίς καν να αγγίζει το προϊόν) θα το φασματογραφεί και θα μας λέει τα πάντα γι’ αυτό.

Η συσκευή στηρίζεται σε έξυπνους αισθητήρες που έχουν “μάθει” να αποκρυπτογραφούν το φάσμα προϊόντων διατροφής και να ενημερώνουν για την ποιότητά τους. Με αυτά τα χιλιάδες δεδομένα που δημιουργούν τις μελλοντικές “βιβλιοθήκες τροφίμων” θα μπορούμε κυριολεκτικά να ρίχνουμε “ματιές” στο τρόφιμο και η συσκευή να απαντάει αν π.χ. το κρέας έχει  μεγάλο ή μικρό μικροβιακό πληθυσμό στην επιφάνεια, αν το κοτόπουλο είναι φρέσκο, αν ο κιμάς που μας πούλησαν για μοσχαρίσιο έχει μέσα χοιρινό, εντόσθια ή…άλογο, πόσο φρέσκια είναι η τσιπούρα, αν η κρέμα του μωρού περιέχει κάτι που δεν πρέπει, αν ο χυμός  αντέχει άλλες 2-3 μέρες στο ψυγείο μας ή πρέπει να τον πιούμε οπωσδήποτε σήμερα.

Πρόκειται για μια εξαιρετικά έξυπνη ιδέα, για την οποία δούλεψαν πληροφορικάριοι, μαθηματικοί, επιστήμονες τροφίμων και κυρίως ένας μερακλής καθηγητής Μικροβιολογίας Τροφίμων, ο κ. Γεώργιος – Ιωάννης Νυχάς. Για την ιδέα ήδη εκδήλωσε ενδιαφέρον ο βρετανικός ΕΦΕΤ που θέλει να την αξιοποιήσει στον έλεγχο της νοθείας σε τρόφιμα και ποτά, αλλά και ελληνικές εταιρείες τροφίμων.

Με μια ματιά με το κινητό

Οι αλγόριθμοι που έχουν “εκπαιδεύσει” τους αισθητήρες της συσκευής βοηθούν ώστε αυτή να “κοιτάζει” ένα προϊόν και με ένα απλό σκανάρισμα να μας ενημερώνει για την ποιότητα αλλά και την ασφάλειά του. Αυτό σχεδιάστηκε για να είναι χρήσιμο στον καταναλωτή, αλλά και στη  βιομηχανία τροφίμων, που δεν θέλει να περιμένει 48 ώρες για να ελεγχθεί ένα τρόφιμο μικροβιολογικά επειδή ο χρόνος εν προκειμένω είναι χρήμα και το τρόφιμο εν τω μεταξύ αλλοιώνεται. Η συσκευή που τελειοποιείται σταδιακά από το εργαστήριο του κ. Νυχά στο γεωπονικό Πανεπιστήμιο, όμως, δίνει την απάντηση αυτή σε λίγα λεπτά.

Όπως είπε στο Slpress ο κ. Γεώργιος-Ιωάννης Νυχάς, καθηγητής Μικροβιολογίας Τροφίμων στο Τμήμα Επιστήμης Τροφίμων & Διατροφής του Ανθρώπου του Γεωπονικού Πανεπιστημίου Αθηνών «το Πανεπιστήμιο επιδιώκει να μην πετάμε τρόφιμα που ακόμα μπορούν να καταναλωθούν, να ελέγχουμε τη νοθεία αλλά και γενικά να βελτιωθεί η ασφάλεια του τροφίμου και η εμπιστοσύνη του καταναλωτή».

Οι εμπνευστές του έργου πιστεύουν ότι από αυτό που παλεύουν να κάνουν, θα ωφεληθεί έμμεσα ο καταναλωτής αν το υιοθετήσει η βιομηχανία τροφίμων και οι ΕΦΕΤ διαφόρων κρατών, αλλά φυσικά και η ίδια η βιομηχανία τροφίμων που θα αξιολογεί μέσα σε λίγα λεπτά τη διάρκεια ζωής των προϊόντων της και την ποιότητά τους προτού τα βγάλει στα ράφια ή στο εμπόριο.

Μαθαίνοντας στους αισθητήρες να “διαβάζουν” την εικόνα

Όπως εξηγεί ο κ. Νυχάς, «βασική έγνοια μας τώρα είναι να “εκπαιδεύσουμε” τέλεια τους αισθητήρες, να τους εμπλουτίσουν με γνώσεις (με όσο το δυνατόν περισσότερα φασματογραφικά δεδομένα από κάθε είδος τρόφιμο), αλλά και να τους μικρύνουμε ώστε η συσκευή που τους φέρει να είναι ελαφριά και φορητή, σαν το ποντίκι του υπολογιστή. Όντας φορητή, θα μπορεί να αξιοποιηθεί στη γραμμή παραγωγής της βιομηχανίας τροφίμων και να κερδίζεται χρόνος και ποιότητα, αντί να έχει μια βιομηχανία ένα μεγάλο μηχανισμό που θα ελέγχει σε μια γωνιά όλα τα προϊόντα», είπε ο καθηγητής.

«Η πρώτη τέτοια συσκευή που φτιάχτηκε το 1920 είχε λίγα δεδομένα, αλλά και μέγεθος… δωματίου. Όπως όμως οι πρώτοι υπολογιστές καταλάμβαναν μισό γήπεδο και κατέληξαν να χωράνε σε τάμπλετ, έτσι και η συσκευή όλο και μικραίνει, μα και όλο εμπλουτίζεται με περισσότερα δεδομένα, που της προσφέρουν μεγάλη ακρίβεια π.χ. στην “ανάγνωση” ενός μικροβίου στο τρόφιμο», προσέθεσε.

Ποια τρόφιμα αποκωδικοποιήθηκαν

«Η ομάδα του πανεπιστημίου (ΕΜΒΤ), πρόσφατα ανακοίνωσε το δακτυλικό αποτύπωμα περίπου 2060 δειγμάτων από διαφορετικά τρόφιμα: κρέατα (μοσχαρίσιο, χοιρινό, κοτόπουλο), δύο είδη ψαριών, ρόκα, σπανάκι, ανανά και παιδικές κρέμες. Η εφαρμογή της μηχανικής μάθησης στην ανάλυση των δαχτυλικών αυτών αποτυπωμάτων υπήρξε καθοριστική αφού επετεύχθη ένας καθολικός, με 100% επιτυχία, διαχωρισμός των τροφίμων μεταξύ ομοειδών προϊόντων (π.χ. χοιρινό, μοσχαρίσιο, κοτόπουλο ή σπανάκι- ρόκα) αλλά και η πρόβλεψη της φρεσκότητας ήταν πάνω από 90% μέσα σε 5-10 λεπτά, κάτι που έως τώρα απαιτούσε 24 ή και 48 ώρες», λέει ο κ. Νυχάς.

Επίσης, είναι σημαντικά αποτελεσματικοί οι αισθητήρες όχι μόνον στο μικροβιακό φορτίο, αλλά και στην νοθεία και τις προσμίξεις. Θα μπορούσαν μελλοντικά να ελέγχουν και τα συντηρητικά, αλλά αυτό θα απαιτούσε επιπλέον φασματογράφηση πολλών παραμέτρων.