Bestaande methoden om besmetting in onder andere vlees op te sporen vereisen meestal bacteriekweek, gespecialiseerde expertise en nemen meerdere dagen tot een week in beslag. Dit hoeft niet meer zo lang te duren als deze AI-tool grootschaliger gebruikt gaat worden nu Luyao Ma, assistent-hoogleraar aan Oregon State University, en haar collega’s van de University of California, Davis, Korea University en Florida State University een AI-model ontwikkeld hebben voor snelle detectie en classificatie van levende bacteriën op basis van digitale beelden van bacteriële microkolonies.
Voorheen klasseerde het model meer dan 24 procent van de tijd voedselresten als bacteriën, waardoor het niet betrouwbaar genoeg was om op grotere schaal te gebruiken. Dit hebben de onderzoekers verbeterd door het model te trainen om bacteriën te onderscheiden van microscopisch kleine voedselresten. Nu worden deze foutieve classificaties geëlimineerd. Zo hebben ze de nauwkeurigheid en betrouwbaarheid vergroot.
Bacteriële besmetting kan overal in de voedselproductieketen ontstaan, van boerderijen tot productiefabrieken, en kan via bronnen zoals dieren, irrigatiewater, bodem en lucht in voedsel terechtkomen. Het Rijksinstituut voor Volksgezondheid en Milieu (RIVM) meldde in 2024 100.000 meer voedselgerelateerde ziekten dan het jaar ervoor. Vooral ziekten van pluimvee zijn flink gestegen. “Vroege detectie van voedselpathogenen voordat producten op de markt komen is essentieel om uitbraken te voorkomen, de gezondheid van consumenten te beschermen en kostbare terugroepacties te verminderen,” vertelt onderzoeker Ma aan Yumda.
De onderzoekers hebben het model op drie bacteriestammen getest: E. coli, Listeria en Bacillus Subtilis. Ze werken nu verder met het AI-systeem om het te optimaliseren en toe te kunnen passen in de (vlees)industrie.
Bron: Yumda en npj science of food


