ورود
ساخت «زبان الکترونیکی» که با دقت بالا مواد غذایی را ارزیابی می کند
محققان «زبان الکترونیکی» مبتنی بر گرافن طراحی کرده‌اند که می‌تواند ارزیابی دقیقی از مواد غذایی نظیر شیر و قهوه داشته باشد به گونه‌ای که میزان آب در شیر و نوع قهوه را به راحتی و بادقت بالا شناسایی کند.
به گزارش ایسنا، محققان دانشگاه ایالتی پنسیلوانیا و مرکز پرواز فضایی گادارد ناسا “زبان الکترونیکی” ساختند که در آن از گرافن استفاده شده است. ترانزیستور اثرمیدان حساس به یون گرافنی در این ابزار می‌تواند تفاوت‌های کم در مایعات مختلف نظیر شیر را تشخیص دهد. این حسگر قادر است میزان آب موجود در شیر را در انواع مختلف نمونه‌ها شناسایی کند. همچنین این زبان الکترونیکی می‌تواند محصولات مختلف از جمله انواع سوپ‌ها، مخلوط انواع قهوه، نشانه‌های فاسد شدن آب میوه‌ها را به سرعت شناسایی کندکه این موضوع در بخش ایمنی مواد غذایی اهمیت زیادی دارد.
این تیم همچنین دریافت که وقتی از هوش مصنوعی (AI) برای آنالیز پارامترهای ارزیابی خود استفاده می‌کند، نتایج دقیق‌تر می‌شوند.
این حسگر و هوش مصنوعی می‌توانند به طور گسترده مواد مختلف را تشخیص داده و طبقه‌بندی کنند، در حالی که به طور جمعی کیفیت، اصالت و طراوت محصول را نیز ارزیابی می‌کنند. این ارزیابی همچنین به چگونگی تصمیم‌گیری هوش مصنوعی نیز کمک کرده است، که می‌تواند منجر به توسعه بهتر هوش مصنوعی و برنامه‌های کاربردی برای آن شود.
مغز در درجه اول غذاها را از طریق پنج دسته گسترده از مزه‌ها، یعنی شیرین، ترش، تلخ، شور و خوش‌طعم طبقه‌بندی می‌کند. همانطور که مغز تفاوت‌های ظریف سلیقه‌ها را می‌آموزد، می‌تواند ظرافت طعم‌دهنده‌ها را بهتر متمایز کند. محققان برای تقلید از مغز، یک شبکه عصبی ایجاد کردند که از الگوریتم یادگیری ماشین بهره‌مند می‌شود.
این زبان الکترونیکی شامل یک ترانزیستور اثر میدان حساس به یون مبتنی بر گرافن یا یک ابزار رسانا است. این حسگر می‌تواند انواع مختلفی از مواد شیمیایی را تشخیص دهد. این گروه نشان دادند که زبان الکترونیکی آن‌ها می‌تواند میزان آب موجود در شیر، انواع قهوه‌ها و آب میوه‌ها را شناسایی کند و با دقت بالاتر از ۸۰ درصد و در کمتر از یک دقیقه، این کار را انجام دهد.
به نقل از ستاد نانو، محققان معتقدند که این هوش مصنوعی را می‌توان به گونه‌ای آموزش داد که برای حوزه تشخیص پزشکی نیز قابل استفاده باشد.
انتهای پیام
این تیم همچنین دریافت که وقتی از هوش مصنوعی (AI) برای آنالیز پارامترهای ارزیابی خود استفاده می‌کند، نتایج دقیق‌تر می‌شوند.
این حسگر و هوش مصنوعی می‌توانند به طور گسترده مواد مختلف را تشخیص داده و طبقه‌بندی کنند، در حالی که به طور جمعی کیفیت، اصالت و طراوت محصول را نیز ارزیابی می‌کنند. این ارزیابی همچنین به چگونگی تصمیم‌گیری هوش مصنوعی نیز کمک کرده است، که می‌تواند منجر به توسعه بهتر هوش مصنوعی و برنامه‌های کاربردی برای آن شود.
مغز در درجه اول غذاها را از طریق پنج دسته گسترده از مزه‌ها، یعنی شیرین، ترش، تلخ، شور و خوش‌طعم طبقه‌بندی می‌کند. همانطور که مغز تفاوت‌های ظریف سلیقه‌ها را می‌آموزد، می‌تواند ظرافت طعم‌دهنده‌ها را بهتر متمایز کند. محققان برای تقلید از مغز، یک شبکه عصبی ایجاد کردند که از الگوریتم یادگیری ماشین بهره‌مند می‌شود.
این زبان الکترونیکی شامل یک ترانزیستور اثر میدان حساس به یون مبتنی بر گرافن یا یک ابزار رسانا است. این حسگر می‌تواند انواع مختلفی از مواد شیمیایی را تشخیص دهد. این گروه نشان دادند که زبان الکترونیکی آن‌ها می‌تواند میزان آب موجود در شیر، انواع قهوه‌ها و آب میوه‌ها را شناسایی کند و با دقت بالاتر از ۸۰ درصد و در کمتر از یک دقیقه، این کار را انجام دهد.
به نقل از ستاد نانو، محققان معتقدند که این هوش مصنوعی را می‌توان به گونه‌ای آموزش داد که برای حوزه تشخیص پزشکی نیز قابل استفاده باشد.
انتهای پیام