機器學習應用於食品廠污染檢測:新技術的應用
技術革新帶來的變革
最新的食品工廠污染檢測技術進步引入了機器學習,這對於這些工廠所在的產業來說是一個革新。食品加工廠必須保持極其乾淨,以確保我們的健康。傳統的微生物監測方法需要使用類似培養皿的裝置進行檢測,並等待實驗室報告。而一家新的新創公司 Spore.Bio 開發了一種利用深度學習算法來加速這一過程的新方法。
應用與發展
Spore.Bio 是一家法國新創公司,他們發展了一種新的病原體檢測方法。他們透過在清潔食品表面照射光學燈,並對不潔淨食品進行同樣的操作,然後比較這兩組資料來檢測哪些表面是不潔淨的。
技術細節
Spore.Bio 的 CEO Amine Raji 解釋說,他們的技術利用機器學習模型識別這些快照中細菌的光譜特性。此舉需要用大量樣本進行訓練,以建立龐大的資料集。這種方法將能夠幫助食品生產商以幾乎實時的速度檢測出潛在細菌,使其減少停機的損失。
技術實現的挑戰
然而這項技術仍處於早期階段,需要應對食品生產的相關法規以及認證方面的挑戰。在歐洲,食品製造商必須遵守「總體食品法」。此外關於任何新的測試產品,還需透過獨立認證,這可能需要 12 到 18 個月的時間(ISO 16140 - 食品鏈的微生物學)。儘管 Spore.Bio 已經開始與認證機構合作,但這不是開始商業化的必要條件。
對產業和商業的影響
Spore.Bio 主張他們的解決方案最終將幾乎實時執行,這將導致食品生產商的停機時間減少。而根據 Deloitte 的研究,全球食品和飲料加工行業的停機成本每年估計達到 500 億美元,這將對產業產生深遠影響。儘管如此 Spore.Bio 的產品當前還不可用,但他們已經有了第一批原型機的“候補名單”,計劃在明年部署到全球客戶設施中。
延伸閱讀
- 在 TC 的 Techstars 調查內部以及人工智慧如何加速殘障科技
- GitHub 推出 Copilot Workspace:AI 驅動的軟體工程空間
- Orbex 新一輪融資或加速其 Prime 微型運載火箭進入軌道
- OctoAI 推出 OctoStack,讓私人 AI 模型部署更輕鬆
- 這週人工智慧專題:別忘了那些不起眼的資料標註者
- 大型語言模型可幫助家庭機器人在無需人類幫助的情況下恢復錯誤
- 本週人工智慧大事件:Midjourney 打賭能擊敗版權警察
- AI 動力對話機器人 ChatGPT:一切你需要知道的
- 區塊鏈新創 Sei Labs 推出引人注目的解決方案,加速以太坊交易
- Diffusion 變壓器是 OpenAI Sora 背後的關鍵 - 它們將顛覆 GenAI