Den elektroniska tungan, som bygger på en grafenbaserad sensor kopplad till ett artificiellt neuralt nätverk, tränas för att analysera olika ämnens kvalitet, äkthet och färskhet. Genom att låta det neurala nätverket bearbeta rådata nåddes en träffsäkerhet på över 95 % vid bedömningar av exempelvis mjölk, juice och läsk, skriver forskare på Penn State University, Pennsylvania USA.

Forskningen, som publicerades i Nature den 9 oktober, har potential att förbättra framtida AI-teknik och dess tillämpningar inom en rad olika områden, från livsmedelssäkerhet till diagnostik inom vården.

Saptarshi Das, huvudförfattare och professor i ingenjörsvetenskap vid Penn State, förklarar att målet är att efterlikna hur människans smaklökar och hjärnan bearbetar smaker, för att på ett mer exakt sätt kunna identifiera subtila skillnader i vätskor och matvaror.

Forskningsprojektet stöddes av NASA, och teamet ser breda möjligheter för vidareutveckling av sensorn inom olika branscher tack vare dess robusthet och flexibilitet.


Missa inga nyheter! Anmäl dig till ett förbaskat bra nyhetsbrev.
0 kommentarer
Du måste logga in för att skriva en kommentar. för att registrera dig som medlem.