研究人员训练机器学习模型，识别从草莓、花生到变质鸡肉、牛奶和鸡蛋等食物释放的气体。

在构成健康风险之前，食品腐败仍然难以察觉。消费者往往依赖外观和气味，而非保质期来判断产品是否还能安全食用，尽管这些方法存在局限。

加州大学伯克利分校的研究人员开发了一种传感器系统，旨在提供更客观的评估。该技术将微型气体传感器与机器学习软件相结合，识别与食品腐败及常见过敏原相关的化学特征。

研究人员相信，该系统最终可支持智能家电和食品监测工具，帮助消费者在饮食上做出更安全的决定。

数字气味识别

该装置包含16个微型气体传感器，每个传感器对空气中的化学化合物都有不同的响应。当接触到不同食物时，这些传感器会共同产生独特的响应模式。

主要作者、加州大学伯克利分校电子工程与计算机科学博士生卡拉·巴西尔将这套系统描述为一组数字味蕾。每个传感器将化学相互作用转化为电信号，使装置能够为特定食物生成独一无二的特征码。

随后，研究人员训练机器学习模型来识别这些特征。团队在草莓、蓝莓、香蕉、核桃、榛子、腰果和花生上测试了该系统。它还学会了区分新鲜与变质的牛奶、鸡蛋和生鸡肉样本。

“我们的想法是，利用气体传感器的相对选择性，结合机器学习的模式识别能力，”巴西尔说。通过将传感器数据与人工智能相结合，该系统能比单靠人类嗅觉更一致地识别与食物相关的化学指纹。

过敏原检测潜力

该研究还突显了这项技术检测含过敏原食物的能力。在测试中，电子鼻识别出仅0.05克的核桃物质，大约相当于一个普通去壳核桃的百分之一。这种灵敏度未来可支持针对严重过敏人群的食品安全应用。

研究人员提醒，该装置尚未在更复杂的环境中测试。未来的评估将考察当过敏原与其他食物混合，或同时存在多种食物气味时，其表现如何。

腐败实验重点关注在室温下放置24小时和48小时的鸡肉、牛奶和鸡蛋。该系统通过分析样品释放的气体变化，成功区分了新鲜与变质样本。

碳纳米管设计

电子鼻已存在数十年，但在单个芯片上制造多种传感材料仍是一大挑战。巴西尔的团队通过使用碳纳米管代替传统的金属氧化物材料解决了这一问题。纳米管形成极薄的导电层，且表面积很大，使其在室温下对化学化合物高度敏感。

无需高温运行也使研究人员能够使用更广泛的传感材料，包括在高温下可能降解的聚合物。这一设计还简化了制造过程，使得不同传感材料能在单次制造步骤中沉积完成。

尽管目前的研究侧重实验室测试，巴西尔已经开发出一个可连接iPhone应用的便携版本。未来的工作将侧重提高可靠性，并在真实环境中评估该系统。

伯克利分校Lam Research半导体加工杰出讲席教授阿里·贾维担任该研究的资深作者。来自伯克利和韩国科学技术院的研究人员也为该项目做出了贡献。

该研究发表于《科学进展》期刊。

如果朋友们喜欢，敬请关注“知新了了”！