新的人工智能模型消除了食品检测中的误报

《news-medical》：New AI model eliminates false positives in food testing

　　

俄勒冈州立大学2026年2月10日

研究人员通过消除对看起来像细菌的食物残渣的错误分类，大大增强了用于快速检测食物中细菌污染的人工智能工具。目前检测绿叶蔬菜、肉类和奶酪等食品污染的方法通常涉及培养细菌，通常需要专业知识，而且耗时——需要几天到一周的时间。俄勒冈州立大学的助理教授Luyao Ma和她来自加州大学戴维斯分校、高丽大学和佛罗里达州立大学的合作者开发了一种基于深度学习的模型，用于使用细菌微菌落的数字图像快速检测和分类活细菌。这种方法可以在三小时内进行可靠的检测。他们的最新突破包括训练模型区分细菌和微观食物残渣，以提高其准确性。一个只接受细菌训练的模型，有超过24%的几率将垃圾错误地分类为细菌。经过细菌和碎片训练的增强模型消除了错误分类。细菌污染可能出现在从农场到加工设施的整个食品生产过程中，并可能通过动物、灌溉水、土壤和空气等来源发生。美国食品和药物管理局估计每年有4800万例食源性疾病，导致128000人住院，3000人死亡。

在产品进入市场之前及早发现食源性病原体，对于预防疫情、保护消费者健康和减少代价高昂的召回至关重要。马路耀，美国俄勒冈州立大学助理教授

这项发表在《npj食品科学》上的研究对三种细菌菌株——大肠杆菌、李斯特菌和枯草芽孢杆菌——以及鸡肉、菠菜和Cotija奶酪的食物残渣进行了深度学习模型的测试。研究人员目前正在努力优化人工智能系统，以供行业采用。