Các nhà nghiên cứu đã tích hợp công nghệ hình ảnh siêu phổ (HSI) tiên tiến với học máy (machine learning - ML) để nhận diện độc tố nấm mốc (mycotoxins) – những hợp chất nguy hiểm do nấm tạo ra, có thể lây nhiễm vào thực phẩm trong quá trình trồng trọt, thu hoạch và bảo quản.
Theo Tổ chức Y tế Thế giới (WHO), ô nhiễm thực phẩm, bao gồm cả độc tố nấm mốc, gây ra 600 triệu ca bệnh và 4,2 triệu ca tử vong mỗi năm. Độc tố nấm mốc có thể dẫn đến nhiều vấn đề sức khỏe nghiêm trọng như ung thư, suy giảm miễn dịch và rối loạn nội tiết.
Tổ chức Lương thực và Nông nghiệp Liên hiệp quốc (FAO) ước tính khoảng 25% cây trồng trên toàn cầu bị nhiễm nấm sản sinh độc tố nấm mốc, cho thấy sự cấp thiết về kinh tế và sức khỏe trong việc giải quyết mối đe dọa này.
Ông Ahasan Kabir, nghiên cứu sinh tiến sĩ tại Đại học South Australia và là tác giả chính của công trình, cho biết các phương pháp phát hiện độc tố nấm mốc truyền thống tốn thời gian, chi phí cao và phá hủy mẫu, không phù hợp cho việc chế biến thực phẩm quy mô lớn theo thời gian thực. Ngược lại, ông cho biết công nghệ hình ảnh siêu phổ cho phép các nhà nghiên cứu nhanh chóng phát hiện và định lượng sự ô nhiễm trên toàn bộ mẫu thực phẩm mà không cần phá hủy chúng.
Nghiên cứu đã đánh giá hơn 80 công trình gần đây về việc phát hiện độc tố nấm mốc trong lúa mì, ngô, lúa mạch, yến mạch, hạnh nhân, đậu phộng và hạt dẻ cười. Kết quả cho thấy các hệ thống HSI tích hợp ML vượt trội hơn so với các kỹ thuật thông thường trong việc phát hiện những độc tố nấm mốc chính.
Giáo sư Sang-Heon Lee, trưởng nhóm dự án trên, khẳng định công nghệ này đặc biệt hiệu quả trong việc xác định aflatoxin B1, một trong những chất gây ung thư mạnh nhất được tìm thấy trong thực phẩm. Ông cho rằng đây là một giải pháp không xâm lấn, có thể mở rộng quy mô cho an toàn thực phẩm công nghiệp, từ việc phân loại hạnh nhân đến kiểm tra các lô hàng lúa mì và ngô.
Các nhà nghiên cứu cho biết, với những phát triển xa hơn, HSI và ML có thể được ứng dụng trên các dây chuyền chế biến hoặc thiết bị cầm tay, giúp giảm thiểu rủi ro sức khỏe và tổn thất thương mại bằng cách đảm bảo rằng chỉ những sản phẩm an toàn mới đến tay người tiêu dùng.
Nhóm nghiên cứu hiện đang tiếp tục tinh chỉnh kỹ thuật này để nâng cao độ chính xác và độ tin cậy bằng cách sử dụng công nghệ học sâu (một nhánh của ML) và AI. Nghiên cứu được hỗ trợ bởi Chương trình Đào tạo Nghiên cứu của Chính phủ Liên bang Australia kết hợp với nguồn kinh phí bổ sung từ SureNut Australia, công ty chuyên về công nghệ phân tích chất lượng cho ngành công nghiệp hạt và ngũ cốc.
