Studi universitari dimostrano che l’intelligenza artificiale può essere molto utile nella previsione dei rischi microbiologici legati alla sicurezza degli alimenti, ortofrutta compresa. In particolare utilizzando un algoritmo chiamato “Yolo”, l’Ai combinata all’imaging ottico permette di rilevare la presenza di batteri allo stadio di microcolonia entro 3 ore dall’inoculazione: lo studio è stato effettuato su campioni di lattuga romana, in cui è stata rilevata in tempi rapidissimi la presenza di Escherichia coli

Dalla Redazione

Sicurezza alimentare, una tematica sempre attuale, anche alla luce delle allerte che periodicamente coinvolgono il comparto alimentare, non da ultime quelle che hanno riguardato il settore della quarta gamma e dei piatti pronti freschi. Nell’era in cui l’intelligenza artificiale sta prendendo sempre più piede nella nostra quotidianità, facendosi strada nei vari settori economici, agricoltura compresa, esistono tecnologie in grado di rilevare con anticipo l’eventuale presenza di patogeni nei cibi e nell’ortofrutta? La risposta è sì, esistono e su di esse si stanno concentrando numerosi studi, laddove è la stessa Oms ad avere riconosciuto l’importanza della sorveglianza di malattie e focolai di origine alimentare.

In uno studio della Cornell University di New York intitolato “How can AI improve Food Safety”, pubblicato nel 2023 su Annual Review of Food Science and Technology, si sostiene che gli strumenti basati sull’intelligenza artificiale rappresentino un metodo efficace per identificare anticipatamente i periodi e le aree a rischio elevato di contaminazione alimentare o di presenza di patogeni. Questa affermazione sarebbe suffragata da una serie di studi che hanno impiegato variabili predittive per determinare il rischio di contaminazione delle acque utilizzate in agricoltura e la presenza di patogeni nelle aree di coltivazione, come riporta Tech4Future. Inoltre, secondo gli studi, l’intelligenza artificiale offre potenziali vantaggi nell’affinamento della previsione dei rischi microbiologici legati alla sicurezza degli alimenti.

Yolo, l’algoritmo capace di rilevare in 3 ore l’E.coli sulla lattuga

Secondo un altro studio sperimentale realizzato dall’Università della California – Davis, pubblicato nel giornale dell’American Society for Microbiology, l’intelligenza artificiale combinata con l’imaging ottico può essere utile a identificare con precisione e velocità la presenza di batteri nocivi nei cibi. L’indagine si è basata sull’analisi di campioni di lattuga romana acquistati presso dei supermercati di Davis, in California appunto, tra giugno e luglio 2022: focus il rilevamento della presenza di Escherichia coli nell’ortaggio a foglia.

Utilizzando un algoritmo chiamato “You Only Look Once” – abbreviato in Yolo, versione 4 -, è stato possibile individuare la presenza dei patogeni in modo semplice, economico e molto più veloce rispetto ai metodi tradizionali di rilevamento. Attraverso immagini digitali di lattuga romana, il software abilitato all’Ai è stato in grado di rilevare e identificare microcolonie batteriche, dimostrando un’elevata precisione nell‘identificare campioni contaminati da Eschirichia Coli: si parla di falsi negativi inferiori al 10%.

Prevenzione dei rischi microbiologici

Questo significa introdurre nuove capacità per le aziende del settore alimentare di identificare e intervenire rapidamente contro le contaminazioni, riducendo significativamente i tempi di attesa associati ai metodi di rilevamento tradizionali basati sulla coltura microbica. Lo studio della UC Davis infatti ha combinato l’intelligenza artificiale e l’imaging ottico per rilevare i batteri allo stadio di microcolonia entro 3 ore dall’inoculazione. I metodi di rilevazione standard basati sulla coltura, invece, richiedono alcuni giorni, entro i quali gli alimenti potrebbero essere già stati distribuiti lungo la filiera e consumati.

Oltre a prevenire potenziali rischi per la salute, la rilevazione precoce dei patogeni riduce significativamente anche i costi aziendali associati ai richiami di prodotti alimentari e alla responsabilità.

Lo studio della UC Davis ha, inoltre, sottolineato la capacità di Yolo di differenziare tra varie specie batteriche, compresi diversi ceppi di Escherichia coli, dimostrando dunque il potenziale dell’AI non solo nel rilevare, ma anche nel distinguere tra, diversi patogeni, offrendo un livello di specificità critico per la prevenzione efficace dei focolai.

Copyright: Fruitbook Magazine