Каждый год мир сталкивается с тихой, но ужасающей статистикой: около 600 миллионов случаев пищевых отравлений и более 4 миллионов смертей. Причина — опасные токсины, которые вырабатывают грибы и проникают в нашу еду ещё на стадии поля или склада.
По данным Всемирной организации здравоохранения (World Health Organization), примерно четверть мирового урожая поражается грибами, способными выделять микотоксины. И если овощи можно перебрать, то зерно и орехи проверять вручную — почти нереальная задача.
Что придумали учёные
Международная команда исследователей во главе с Университетом Южной Австралии (University of South Australia) предложила радикально иной подход. В свежей работе, опубликованной в журнале «Toxins», они описывают технологию гиперспектральной визуализации (HSI), усиленной алгоритмами машинного обучения (ML).
Руководитель проекта, научный сотрудник Ахасан Кабир (Ahasan Kabir), поясняет: «Классические методы выявления микотоксинов дорогие, медленные и… губят образцы. А HSI позволяет за считаные секунды просканировать продукт, увидеть его спектральный “отпечаток” и понять, заражён он или нет — при этом ничего не разрушая».
Как это работает
HSI — это камера, которая видит не просто цвета, а сотни спектральных оттенков, невидимых глазу. Микотоксины оставляют характерные “сигнатуры”, и именно их ловит система. Когда данные пропускают через ML-алгоритм, программа моментально сортирует безопасные и заражённые зерна или орехи.
Команда изучила более 80 исследований по пшенице, кукурузе, ячменю, овсу, миндалю, арахису и фисташкам. Вывод был однозначным: ML + HSI работают точнее и быстрее традиционных лабораторных тестов, особенно против афлатоксина B1 — одного из самых канцерогенных веществ в пище.
Промышленный масштаб и реальное время
По словам профессора Санг-Хеон Ли (Sang-Heon Lee) из Университета Южной Австралии (University of South Australia), технология можно внедрить прямо на сортировочных линиях или в виде портативных сканеров. Это значит, что проверка будет идти в реальном времени, и до потребителя дойдёт только безопасная продукция.
Плюсы очевидны: меньше отравлений, меньше экономических потерь, меньше брака при экспортных поставках.
Что дальше
Сейчас команда совершенствует методику, добавляя глубокое обучение (deep learning) и ИИ, чтобы повысить точность и надёжность распознавания. Идея проста: чем быстрее мы выявим загрязнение, тем меньше людей окажется в больнице.
Итог
Если разработка пойдёт по плану, через несколько лет мы можем забыть о массовых вспышках отравлений из-за микотоксинов. И всё это — благодаря камере, которая видит больше, чем человек, и алгоритму, который никогда не устает сортировать.
Литература:
Md. Ahasan Kabir et al, Detection of Mycotoxins in Cereal Grains and Nuts Using Machine Learning Integrated Hyperspectral Imaging: A Review, Toxins (2025). DOI: 10.3390/toxins17050219
Ведущий специалист отдела организации клинических исследований, терапевт, врач ультразвуковой диагностики ООО «ВеронаМед» (г. Санкт-Петербург), главный редактор, учредитель сетевого издания Medical Insider, а также автор статей.
E-mail для связи – xuslan@yandex.ru;
