Ein Wissenschaftsteam der University of California Berkeley (UC Berkeley) hat ein Sensorsystem entwickelt, das verdorbene Lebensmittel präziser über den Geruch erkennen kann, als es mit einer menschlichen Nase möglich ist. Die „elektronische Nase“ ist mittels Künstlicher Intelligenz (KI) außerdem in der Lage, Lebensmittelallergene zu erschnuppern, die für allergische Menschen gefährlich werden könnten. Das System könnte etwa in intelligenten Kühlschränken zum Einsatz kommen.
Die „elektronische Nase“ der UC-Berkeley-Forscher bündelt 16 Sensormaterialien auf einem einzigen Chip. Die verschiedenen Sensorbereiche reagieren auf unterschiedliche Kombinationen gasförmiger Verbindungen, wie die Wissenschaftler in der Studie „Scalable multiplexed machine learning gas sensor chips for food classification“ schreiben, die in Science Advances erschienen ist. Jeder dieser 16 Sensoreinheiten hat eine spezifische Sensorschicht. Chemische Reaktionen zwischen der Sensoroberfläche und einem Gasmolekül können so in elektrische Signale umgewandelt werden.
Einzelne Sensoren für spezifische Gase herzustellen, ist relativ einfach. Die Erstellung und Bündelung verschiedener Gassensoren auf einem einzelnen Chip sind dagegen nicht ganz so trivial. Die Wissenschaftler verwendeten Kohlenstoffnanoröhrchen anstelle von Metalloxiden. Kohlenstoffnanoröhrchen können Schichten bilden, die lediglich wenige Nanometer dick sind. Entsprechend finden mehr dieser Schichten auf gleich großem Raum bei zugleich größerer Oberfläche Platz. Die große Oberfläche führt zu mehreren besonderen Eigenschaften. Eine davon ist, dass die Sensoren eine hohe Empfindlichkeit bei Raumtemperatur aufweisen und dafür nicht extra erhitzt werden müssen.
Außerdem können die Forscher auf eine große Vielfalt gassensitiver Materialien zugreifen. Darunter fallen auch solche, die bei hohen Temperaturen zerfallen würden, wie etwa Polymere. Zusätzlich ist der Herstellungsprozess einfacher: Der Sensorchip kann durch einfaches Auftropfen, Drop-Casting, hergestellt werden.
Schnüffelmuster per KI entschlüsseln
Die Signalmuster des Chips werten die Forscher mittels eines KI-Modells aus, das mit maschinellem Lernen darauf trainiert worden ist, die unterschiedlichen Gerüche von sieben verschiedenen Lebensmitteln einzuordnen. Dabei handelt es sich um Erdbeeren, Blaubeeren, Bananen, Walnüsse, Haselnüsse, Cashewnüsse und Erdnüsse. Zusätzlich wurde das Modell auf die Gerüche von Milch, Eiern und rohem Hähnchenfleisch trainiert.
Das Sensorsystem erwies sich in Versuchen als äußerst empfindlich. So war es etwa in der Lage, 0,05 g einer separierten Walnuss zu erschnüffeln. Das entspricht etwa einem hundertsten Teil einer durchschnittlichen Walnuss. 16 verschiedene Gerüche kann das System einordnen, darunter verdorbene Lebensmittel und Nussallergene. Die Gesamtvorhersagegenauigkeit liegt bei 92,6 Prozent, schreiben die Wissenschaftler. Das System ist so in der Lage, präzisere Vorhersagen über den Zustand eines Lebensmittels zu treffen, als es einem Menschen auf Grundlage seiner Nase möglich ist.
Die Forscher können sich vorstellen, ähnliche Sensorchips in Kühlschränken zu integrieren, in denen die Sensorik den Inhalt darauf überwacht, ob ein Lebensmittel zu verderben beginnt oder noch in Ordnung ist. Der Kühlschrank könnte dann Mitteilungen auf ein Smartphone schicken und gezielt informieren, welches Lebensmittel nicht mehr genießbar ist.
Dass das grundsätzlich möglich ist, haben die Wissenschaftler bereits außerhalb der Studie nachgewiesen. Sie haben eine portable Version der „elektronischen Nase“ entwickelt, die Informationen in einer iPhone-App anzeigt. Das Team will den Chip nun verbessern, um dann weitere Tests durchzuführen.
(olb)
English (US) ·