Электронный нос определил зрелость персиков на дереве

Бразильские ученые разработали электронный нос, который с помощью нейросети может определять степень спелости персика, находящегося на дереве, по концентрации летучих органических веществ в окружающем воздухе. Точность алгоритма составила 98 процентов. Авторы предлагают использовать электронный нос для контроля роста персиков и автоматической сборки урожая. Статья опубликована в журнале IEEE Sensors Journal.

Спелость фруктов зачастую определяется с помощью летучих органических веществ, которые и ответственны за вкус, аромат и цвет фрукта. Определение зрелости фруктов в большинстве своем основано на субъективном опыте производителя, что может привести  к неоптимальному времени сбора урожая. Однако за последние десятилетия при сборе и хранении фруктов и овощей начали применять электронный нос — устройство для оценки спелости. Электронный нос — это массив химических сенсоров, состоящих из оксидов металлов (например, оксид олова). Как и человеческий нос, электронный нос не определяет отдельное вещество в каждом образце, однако смесь запахов летучих органических веществ у каждого продукта своя (очень сложно найти два соединения с одинаковым запахом). Развитие технологий сенсоров значительно повысило точность электронных носов, а ученые начали применять их во многих областях пищевой индустрии: определение этанола в пиве, никотина в табаке и качества улуна. Часто электронные носы используются для мониторинга содержания вредных веществ в воздухе.

Хотя вариантов определения спелости фруктов после сбора много, методы мониторинга спелости еще не собранных плодов пока что развиты в малой степени, хотя теоретически такая возможность существует. Например, в персиках сорта Eragil с помощью газовой хроматографии и масс-спектрометрии ученые уже умеют определять основные летучие вещества, содержание которых зависит от степени зрелости. В первые две стадии роста плодов основные летучие соединения — спирты (1-гексанол), эфиры (гексил ацетат), кетоны (ацетоин) и альдегиды (гексаналь и бензальдегид). Третья стадия зрелости происходит около 71 дня роста плода и в этот момент персики начинают выделять терпеноиды (альфа и гамма терпинены и линалоол) — за счет чего происходят изменения в текстуре и окраске персика. Во время четвертой стадии происходит дозревание плода, повышается содержание сахаров и понижается кислотность за счет образования лактонов (именно в эту стадию фрукт становится мягким и ярким).

Бразильские ученые под руководством Серхио Луиса Стевана-младшего (Sergio Luiz Stevan Jr) из Государственного университета Понта Гросса представили прототип электронного носа для полевого мониторинга роста персиков.

Инженеры собрали электронный нос из 13 дешевых металлоксидных газовых сенсоров. Сенсоры реагируют на летучие органические вещества благодаря химической реакции окисления органических молекул восстановителей при соответствующем напряжении. При реакции уменьшается количество носителей заряда в сенсоре из-за чего падает электрическое сопротивление, по изменению которого устройство и судит о наличии того или иного вещества в атмосфере. Также ученые добавили датчик температуры, атмосферного давления и относительной влажности, чтобы лучше контролировать условия. Чтобы эффективно подводить летучие соединения к поверхности сенсоров, ученые использовали вентилятор. От сенсоров данные поступали в микроконтроллер, в котором происходила оцифровка информации и последующая передача или запись на SD-карту.

Авторы статьи провели мониторинг созревания персиков с конца августа по декабрь 2018 года. Основные летучие вещества в разные стадии различались: 0-35 день созревания — спирты, 36-50 день — эфиры, кетоны и альдегиды, 51-70 день — терпеноиды, 71-100 день — лактоны. Чтобы подтвердить точность работы электронного носа, ученые проводили лабораторные эксперименты в течение недели со спиртосодержащими образцами с известной концентрацией веществ.

На основе информации, полученной с 15 деревьев за 12 периодов выдержки, авторы статьи обучили несколько нейросетей, использовав 70 процентов данных в качестве тренировочного набора, а остальные в качестве тестового. С помощью метода главных компонент и линейного дискриминантного анализа ученые получили предобработанные усредненные данные по стадиям созревания. Для классификации данных исследователи выбрали нейросети с алгоритмами: случайный лес (RF), нейронную сеть с экстремальным обучением (ELM), метод k-ближайших соседей (KNN), метод опорных векторов (SVM). Максимальная тестовая точность в 98 процентов получилась у двух нейронных сетей с линейной дискриминантной предобработкой данных с алгоритмом случайного леса и с предобработкой данных методом главных компонент с алгоритмом опорных векторов.

При этом оказалось, что алгоритмы линейного дискриминантного анализа опираются только на 6 газовых сенсоров из 13. При сравнении с алгоритмами обработки концентрации летучих веществ персика после сбора новая нейросеть обогнала предыдущие по точности (предыдущий рекорд точности определения поврежденных персиков был в апреле 2020 года — 97,47 процентов). При этом новый электронный нос способен отслеживать спелость персиков в течение всего времени созревания, а не только после сбора урожая.

Электронный нос может помогать в условиях, когда собственный нос человека может подвести. Например, два года назад европейские ученые представили электронный нос для поиска людей под завалами. А три года назад специалисты из ВШЭ научили электронный нос считывать новые запахи и запоминать их.

Артем Моськин