دوره 29، شماره 3 - ( (در حال تکمیل) 1405 )                   جلد 29 شماره 3 صفحات 0-0 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hasheminia A, Bakhtiari Sardari A, Vaezi A. Application of Artificial Intelligence in Rapid Detection of Mycotoxins and Food Safety Enhancement. J Arak Uni Med Sci 2026; 29 (3)
URL: http://jams.arakmu.ac.ir/article-1-8183-fa.html
هاشمی نیا ابوالفضل، بختیاری سردری علی، واعظی افسانه. کاربرد هوش مصنوعی در تشخیص سریع مایکوتوکسین‌ها و بهبود ایمنی مواد غذایی. مجله دانشگاه علوم پزشكي اراك. 1405; 29 (3)

URL: http://jams.arakmu.ac.ir/article-1-8183-fa.html


1- دانشجوی کارشناسی ارشد،کمیته تحقیقات دانشجویی، گروه علوم آزمایشگاهی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران
2- دانشجوی کارشناسی ارشد، گروه علوم آزمایشگاهی، کمیته تحقیقات دانشجویی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران
3- استادیار، گروه علوم آزمایشگاهی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران ، vaeziiafsane@gmail.com
چکیده:   (64 مشاهده)
مقدمه: مایکوتوکسین‌ها، به عنوان متابولیت‌های ثانویه ازمهم‌ترین آلاینده‌های طبیعی محصولات غذایی و محصولات کشاورزی مانند ذرت، بادام زمینی، آجیل، غلات، میوه‌جات و گندم و خوراک دام می‌باشند که عمدتاً توسط بسیاری از گونه‌های خاصی از جنس‌ آسپرژیلوس، فوزاریوم، آلترناریا و پنیسیلیوم ساخته می‌شوند که علاوه بر به خطر انداختن سلامتی، سلامت انسان و حیوانات، آسیب های جبران‌ناپذیر و اثرات نامطلوبی جدی را به کشاورزی و اقتصاد را سبب می‌شوند. آفلاتوکسین، اکراتوکسین، تریکوتسن، فومونیزین، زرالنون و پاتولین برخی از مایکوتوکسین‌های اصلی مؤثر برمحصولات غذایی و کشاورزی هستند. در حالی که قارچ‌های تولیدکننده مایکوتوکسین معمولاً با روش‌های بیولوژیکی شناسایی می‌شوند اما بیشترمایکوتوکسین‌ها با روش‌های سنتی مبتنی بر شیمی تحلیلی شناسایی و تعیین مقدار می‌گردند.
روش کار: مطالعه حاضر بر روی تکنیک‌های غیرتخریبی تصویربرداری و طیف‌سنجی از جمله تصویربرداری فراطیفی، طیف‌سنجی رامان، طیف‌سنجی مادون قرمز و همچنین فناوری‌های مبتنی بر نانو برای شناسایی آلودگی‌ها می‌باشد. بررسی‌ها نشان می‌دهد که ادغام پیشرفت‌های حوزه کامپیوتر و هوش مصنوعی با فناوری‌های طیف‌سنجی و تصویربرداری، توانسته است محدودیت‌های روش‌های سنتی را رفع کند. نتیجه‌گیری: تکنیک‌های هوش مصنوعی با بهره‌گیری از الگوریتم‌های پیشرفته، قادرند مایکوتوکسین‌ها را با دقت و کارآیی بسیار بالایی در گونه‌های مختلف محصولات کشاورزی شناسایی کنند. اگرچه استفاده از هوش مصنوعی در تشخیص مایکوتوکسین‌ها نیازمند داده‌های متنوع و زیرساخت‌های محاسباتی مناسب است. تحقیقات آینده باید بر توسعه الگوریتم‌های بهینه‌تر، ادغام داده‌های چندمنبعی و پیاده‌سازی عملی این فناوری‌ها در محیط‌های صنعتی متمرکز شوند تا ایمنی مواد غذایی تضمین گردد.
     
نوع مطالعه: مقاله مروری | موضوع مقاله: علوم پایه
دریافت: 1404/8/18 | پذیرش: 1404/10/28

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشگاه علوم پزشکی اراک می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2026 CC BY-NC 4.0 | Journal of Arak University of Medical Sciences

Designed & Developed by : Yektaweb