Een in de VS gevestigd onderzoeksteam heeft onlangs een nieuw type ‘elektronische neus’ ontwikkeld die voedsel kan detecteren dat op het punt staat te bederven en mogelijke allergenen in de koelkast. Er wordt gezegd dat de gevoeligheid ervan "beter is dan de menselijke neus." De prestatie is afkomstig van de University of California, Berkeley, en wordt geleid door Carla Bassil, een doctoraalstudente in elektrotechniek en computerwetenschappen. Het relevante artikel is gepubliceerd in het tijdschrift Science Advances.

Volgens het onderzoeksteam integreert deze elektronische neus 16 microgassensoren, die subtiele verschillen tussen gasmoleculen kunnen identificeren, inclusief vluchtige gassen zoals veel voorkomende voedselallergenen zoals walnoten en pinda's, waardoor vroegtijdige waarschuwingen worden afgegeven voordat het risico op voedselbederf of allergieën door het menselijke reukvermogen wordt gedetecteerd. Bassil beschreef het systeem als een reeks ‘digitale smaakpapillen’, waarbij elke sensor een unieke reactie produceert op verschillende gasmoleculen, die samen een ‘vingerafdruk’ vormen van een specifiek voedsel of een specifieke geur.

In tegenstelling tot gewone koolmonoxidedetectoren voor huishoudelijk gebruik die zich slechts op één enkel gas richten, zijn er aanzienlijke technische problemen bij het integreren van meerdere gassensoren op dezelfde chip. Daartoe heeft het team koolstofnanobuisjes gekozen als geleidend materiaal in plaats van metaaloxiden die moeten worden verwarmd, zodat de dikte van de sensorlaag slechts één procent bedraagt ​​van de diameter van een mensenhaar en een hoge gevoeligheid kan behouden bij kamertemperatuur. Dit ontwerp verbreedt niet alleen het scala aan optionele gevoelige materialen, maar maakt ook het gebruik mogelijk van materialen zoals polymeren die gemakkelijk worden afgebroken bij hoge temperaturen.

Qua productieproces gebruikt Bassil de zogenaamde "drip coating"-methode om gevoelige materialen eenvoudig in de vorm van een dunne film op de chip af te zetten, wat het productieproces enorm vereenvoudigt in vergelijking met complexe processen. Wanneer de elektronische neus werkt, wordt de chemische reactie tussen het sensoroppervlak en de gasmoleculen omgezet in een elektrisch signaal, waardoor een responscurve ontstaat die kan worden geanalyseerd.

Om het systeem uit te rusten met herkenningsmogelijkheden, introduceerde het onderzoeksteam een ​​machine learning-model om verschillende gasresponspatronen te trainen. Momenteel is de elektronische neus getraind om de verschillende geurveranderingen van zeven soorten voedsel te herkennen - aardbeien, bosbessen, bananen, walnoten, hazelnoten, cashewnoten en pinda's - evenals rauwe kip, melk en eieren in hun verse staat en nadat ze 24 uur en 48 uur op kamertemperatuur zijn bewaard. Het model leert de gasvingerafdruk van elk voedingsmiddel in verschillende toestanden kennen, om het tijdens daaropvolgende detectie automatisch te identificeren.

"Ons idee is om de relatieve selectiviteit van de gassensor te gebruiken, gecombineerd met het vermogen van machine learning bij patroonherkenning, om de gasvingerafdrukken te onderscheiden die overeenkomen met verschillende voedingsmiddelen." Bassil zei: "Het eindresultaat is een sensorchip die gevoeliger en objectiever is dan de menselijke neus." In de test kan de elektronische neus slechts 0,05 gram walnootfragmenten detecteren, wat ongeveer één procent is van het gewicht van een gepelde walnoot. Bassil gaf echter ook toe dat het de prestaties van het apparaat in complexe omgevingen nog niet heeft geverifieerd, zoals het identificeren van allergenen in gemengde voedingsmiddelen zoals cakes of salades, of de nauwkeurigheid wanneer meerdere voedingsmiddelen in de koelkast tegelijkertijd gas uitstoten.

Om de praktische toepassing te vergemakkelijken heeft Bassil ook een draagbare versie geproduceerd die kan worden bediend via een iPhone-app. Ze gelooft dat 'slimme koelkasten' in de toekomst een van de belangrijke implementatiescenario's van dit soort technologie zullen zijn: nadat de koelkast ingebouwde sensoren heeft en is verbonden met een mobiele telefoon, kan deze gebruikers proactief herinneren aan informatie zoals 'broccoli staat op het punt te bederven' en 'kip nadert zijn houdbaarheid', waardoor gezinnen voedselverspilling kunnen verminderen en risico's voor de voedselveiligheid kunnen worden verminderd.

Het onderzoek werd geïntroduceerd in een persbericht van de University of California, Berkeley. De nieuwe technologie is gebaseerd op een combinatie van koolstofnanobuisjes-gassensoren en machinaal leren, wat ook wordt beschouwd als een van de belangrijke ontwikkelingsrichtingen op het gebied van toekomstige voedselveiligheidsmonitoring en allergeendetectie.