Ett team av forskare vid Imperial College London och UCL har nyligen utvecklat en ny metod för att autentisera honung med hjälp av maskininlärning och mikroskopi. Deras teknik, beskrivs i en tidning som förpublicerats på arXiv, kunde upptäcka utspädd eller felmärkt honung till en mycket lägre kostnad än befintliga metoder.

Honung produceras av bin efter att de samlat nektar från blommor, bryt ner det till enkla sockerarter och förvara det i bikakor. Honung är för närvarande den tredje mest förfalskade livsmedelsprodukten i världen. Det är ofta felmärkt, vilket innebär att sälja en typ av honung för en annan, eller späds ut det med andra ämnen, såsom sockerlag.

"Honung görs av bin från växter, "Gerard Glowacki, en av forskarna som genomförde studien, berättade för TechXplore. "Växter har pollen, och varje växt har olika pollen. Om Manuka honung, till exempel, har inget Manuka-pollen eller inget pollen alls, då är det inte Manuka honung."

Falsk honung kostar betydligt mindre att producera, och detta kan negativt påverka producenter av äkta honung, tvingar dem att sänka sina vinstmarginaler eller ibland lämna marknaden helt. Dessutom, biodlingsmetoder vid produktion av falsk honung är ofta undermåliga jämfört med metoder inom äkta honungsodling, vilket kan resultera i misshandel av bisamhällen. Effektiva och billiga metoder för att autentisera honung kan hjälpa till att snabbt identifiera falsk honung, så att den kan tas bort från marknaden eller märkas om på rätt sätt.

"Melissopalynologi, autentisera honung från dess botaniska källor, har funnits i ett par decennier, med rykte om att vara en långsam och specialistprocess, "Peter han, en av forskarna som genomförde studien, berättade för TechXplore. "Vi trodde att vi skulle kunna påskynda saker och ting med en operatör som inte led av mänskliga saker som trötthet, glömska och tristess."

De vanligaste metoderna för honungsautentisering inkluderar kvantitativ polymeraskedjereaktion (qPCR), kärnmagnetisk resonansspektroskopi (NMR), vätskekromatografi masspektrometri (LC-MS), nära-infraröd spektroskopi (NIR) och mikroskopi. Forskare har också utvecklat andra tester för identifiering av specifika typer av honung, men de flesta av dessa har hittills visat sig vara ineffektiva.

Den nuvarande toppmoderna tekniken för att autentisera manukahonung, en mycket eftertraktad typ av honung gjord av nektar från manukablommor och vanligtvis producerad i Nya Zeeland, baseras på fyra kemiska markörer och användningen av ett test för DNA från manukapollen. Den här metoden, dock, kan endast användas för att autentisera manukahonung och är inte tillämplig på andra typer av honung.

De flesta honungsautentiseringsprocedurer utförs i labb av specialister och kräver specialiserad utrustning, därför är de ofta mycket dyra. I deras studie, Glowacki, Han och deras kollega Alexis Gkantiragas utvecklade en ny metod för att autentisera honung med hjälp av maskininlärningsförstärkt mikroskopi, som kan vara mycket billigare än befintliga förfaranden.

"Vi identifierar pollen i honungsprover med hjälp av standardtekniker för djupinlärning, " Gkantiragas förklarade. "Från detta, vi kan tillämpa mer kvantitativa tillvägagångssätt för att analysera saker som pollenets fördelning och täthet. Vi kan sedan identifiera honungens geografiska och/eller botaniska ursprung."

Forskarna samlade in prover av olika typer av honung och spred dem över glasskivor. Dessa objektglas täcktes och analyserades med ett ljusfältsmikroskop, fånga cirka 2500 mikroskopiska bilder av pollen.

Efter att noggrant märkt och kommenterat dessa bilder, forskarna använde dem för att träna sin maskininlärningsmodell. Deras modell består av ett segmenteringsnätverk, tränad att upptäcka och segmentera pollen, samt ett autentiseringsnätverk, utbildad för att klassificera olika typer av honung.

"Det är för närvarande svårt att skilja falskt från riktig honung, ”, sade Gkantiragas. ”Sockertestningburken finnas lurat, genom att använda olika sugars. NMR är dyrt och behöver proffs. Vår utrustning kostar fickpengar, är enkel att använda och har potential att distribueras i stor skala."

I preliminära utvärderingar, forskarna fann att deras honungsautentiseringsmetod effektivt kunde upptäcka utspädd och felmärkt honung. Dock, den kan inte identifiera förorening med tungmetaller, bekämpningsmedel eller antibiotika, därför kan den behöva användas i kombination med andra kemiska tester. Dessutom, deras metod kan inte användas för att autentisera ultrafiltrerade honungsprover i vilka det inte finns pollen.

Även om resultaten som samlats in av forskarna är lovande, deras system behöver utvecklas ytterligare innan det kan tillämpas i större skala. Till exempel, forskarna måste samla in en bredare pollendatauppsättning för att bättre fånga mångfalden av pollen i honung.

"Ett viktigt steg i att skala systemet från forskning till den verkliga världen skulle vara att robusta systemet för att vara hårdvaruagnostiskt, " Han förklarade. "Vi tittar på, bland annat, kontradiktoriska träningsmetoder för att säkerställa att våra funktionsrepresentationer är i toppklass."

Forskarna planerar att fortsätta arbeta med sitt system för att säkerställa att det effektivt kan autentisera honung i verkliga scenarier. I framtiden, de kan till och med överväga att testa ett decentraliserat certifieringssystem baserat på deras teknik.

© 2019 Science X Network