尽管牛肉是世界上最消耗的食物之一，但是超过牛肉的食用时间不仅味美，而且还带来一些严重的健康风险。不幸的是，检查牛肉新鲜度的可用方法具有各种缺点，使它们无法对公众有用。例如，化学分析或微生物种群评估需要太多时间，并且需要专业人员的技能。另一方面，基于近红外光谱的非破坏性方法需要昂贵且复杂的设备。人工智能能否成为评估牛肉新鲜度的更具成本效益的方法的关键?

在韩国光州科技学院(GIST)，由协处理器Kyoobin Lee和Jae Gwan Kim领导的一组科学家开发了一种将深度学习与漫反射光谱(DRS)相结合的新策略，这是一种相对便宜的光学技术。“与其他类型的光谱仪不同，DRS不需要复杂的校准;相反，它仅需使用负担得起且易于配置的光谱仪即可用于量化样品分子组成的一部分，” Lee解释说。他们的研究结果现已发表在食品化学中。

为了确定牛肉样品的新鲜度，他们依靠DRS测量来估计肉中不同形式的肌红蛋白的比例。肌红蛋白及其衍生物是主要负责肉色及其在分解过程中变化的蛋白质。但是，将DRS测量值手动转换为肌红蛋白浓度以最终确定样品的新鲜度并不是一个非常准确的策略，而这正是深度学习发挥作用的地方。

卷积神经网络(CNN)是广泛使用的人工智能算法，可以从预先分类的数据集(称为“训练集”)中学习，并在数据中找到隐藏的模式以对新输入进行分类。为了训练CNN，研究人员通过定期测量其pH值(酸度)和DRS曲线，在变质过程中收集了78个牛肉样品的数据。在基于pH值将DRS数据手动分类为“新鲜”，“正常”或“变质”后，他们将标记的DRS数据集输入给算法，并将此信息与肌红蛋白估计值融合在一起。“通过提供肌红蛋白和光谱信息，我们训练有素的深度学习算法可以在大约92%的情况下在几秒钟内正确分类牛肉样品的新鲜度，

除了准确性外，这种新颖策略的优势还在于它的速度，低成本和无损特性。该团队认为，有可能开发出小型的便携式光谱仪，以便每个人甚至在家中都可以轻松地评估牛肉的新鲜度。而且，类似的光谱学和基于CNN的技术也可以扩展到其他产品，例如鱼或猪肉。将来，如果运气好的话，识别和避免有问题的肉将更容易获得。