Внедрение искусственного интеллекта в контроль качества молочной продукции открывает новые возможности для борьбы с фальсификацией на российском рынке. Алгоритмы машинного обучения анализируют десятки параметров одновременно, выявляя подмену жиров, разбавление водой и наличие посторонних компонентов точнее классических методов.
Как ИИ меняет подход к контролю качества молока
Российский молочный рынок регулярно сталкивается с разными формами фальсификации продукции. Часть молочного жира заменяют растительными аналогами, цельное молоко разбавляют водой или обезжиренным остатком, а в отдельных случаях молоко одного вида животного выдают за другой. Сопроводительная документация и маркировка на упаковке также могут искажаться, что усложняет контроль на всех этапах оборота. Специалисты Казанского государственного аграрного университета предложили новый подход к выявлению таких нарушений с применением алгоритмов машинного обучения. Искусственный интеллект анализирует массивы данных о составе каждого образца и находит закономерности, которые недоступны классическим статистическим методам.
Какие методы контроля существовали раньше
До внедрения ИИ оценка качества молока опиралась на несколько разрозненных методов, ни один из которых не закрывал проблему фальсификации полностью. Физико-химические измерения позволяли определить содержание жира и белка, хроматография и спектроскопия помогали находить антибиотики, консерванты и добавленную воду. Молекулярно-биологические методы давали возможность установить видовую принадлежность молока, обнаружить растительный белок или генно-модифицированные компоненты. Каждый из этих подходов работал в своей зоне, но объединить результаты в единую картину было затруднительно. Объём данных, получаемых на каждый образец, превышает возможности ручной интерпретации, что создаёт риск пропуска фальсификации.
Почему машинное обучение точнее классики
Алгоритмы машинного обучения превосходят традиционные расчёты именно в работе с большими массивами многопараметрических данных. Они одновременно учитывают десятки параметров спектра и выявляют скрытые зависимости между ними. Учёные из Казанского аграрного университета отмечают, что человеку заметить такие закономерности крайне сложно, тогда как ИИ справляется с этой задачей системно. Это особенно важно для молочной отрасли, где фальсификация может быть многослойной: замена жира, добавление посторонних компонентов и искажение информации в документах нередко присутствуют одновременно.
Как устроена многоуровневая проверка
Исследователи предложили выстраивать контроль молочной продукции по двухэтапной схеме. На первом этапе проводится быстрый неразрушающий скрининг, который позволяет отсеивать заведомо благополучные образцы. При выявлении подозрений на фальсификацию образец направляется на точную лабораторную верификацию с применением всего спектра аналитических методов. Такой подход, по мнению разработчиков, снижает количество ложных результатов и лучше соответствует требованиям действующих технических регламентов. Многоуровневая модель делает проверку более экономичной, поскольку ресурсоёмкие лабораторные методы задействуются только при обоснованном подозрении, а не повсеместно.
Надежда Тимофеева, sfera.fm
