Journal of Arak University of Medical Sciences

fa کاربرد هوش مصنوعی در تشخیص سریع مایکوتوکسین‌ها و بهبود ایمنی مواد غذایی Application of Artificial Intelligence in Rapid Detection of Mycotoxins and Food Safety Enhancement علوم پایه Basic Sciences مقاله مروری Review Article 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. Introduction: Mycotoxins are secondary metabolites produced by certain fungal species, primarily belonging to the genera Aspergillus, Fusarium, Alternaria, and Penicillium. They are important natural contaminants of food and agricultural products, including maize, peanuts, tree nuts, cereals, fruits, and animal feed. Mycotoxins threaten human and animal health, adversely affect agricultural productivity, and cause substantial economic losses. Aflatoxin, ochratoxin, trichothecenes, fumonisin, zearalenone and patulin are some of the main mycotoxins affecting food and agricultural products. Although, mycotoxin-producing fungi are usually identified by biological methods, most mycotoxins are identified and quantified by traditional methods based on analytical chemistry. Methods: These methods are time-consuming, laborious, costly, and unstable due to the diversity of the sampling process of different products. This study was conducted to investigate recent advances and applications of artificial intelligence (AI) in the detection, prediction and measurement of mycotoxin contamination. The integration of advances in computer science and AI with spectroscopy and imaging technologies have overcome the limitations of traditional methods. Conclusions: AI techniques, using advanced algorithms, are able to detect mycotoxins with high accuracy and efficiency in various types of agricultural products. However, the use of AI in mycotoxin detection requires diverse data and appropriate computational infrastructure. Future research should focus on developing more optimized algorithms, integrating multi-source data, and practical implementation of these technologies in industrial environments to ensure food safety. هوش مصنوعی, تشخیص مایکوتوکسین, آلودگی موادغذایی, تصویربرداری فراطیفی, قارچ Artificial intelligence, mycotoxin detection, food contamination, hyperspectral imaging, fungi 0 0 http://jams.arakmu.ac.ir/browse.php?a_code=A-10-8056-1&slc_lang=fa&sid=1 Abolfazl Hasheminia ابوالفضل هاشمی نیا s.ablfzl.hasheminia.110@gmail.com 4600319475328460093834 0009-0008-2815-6062 No Department of Laboratory Sciences, Student Research Committee, School of Allied Medical Sciences, Iran University of medical sciences, Tehran, Iran دانشجوی کارشناسی ارشد،کمیته تحقیقات دانشجویی، گروه علوم آزمایشگاهی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران Ali Bakhtiari Sardari علی بختیاری سردری Alibakhtiari111@gmail.com 4600319475328460093835 4600319475328460093835 No Department of Laboratory Sciences, Student Research Committee, School of Allied Medical Sciences, Iran University of medical sciences, Tehran, Iran دانشجوی کارشناسی ارشد، گروه علوم آزمایشگاهی، کمیته تحقیقات دانشجویی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران Afsane Vaezi افسانه واعظی vaeziiafsane@gmail.com 4600319475328460093836 4600319475328460093836 Yes Department of Laboratory Sciences, School of Allied Medical Sciences, Iran University of medical sciences, Tehran, Iran استادیار، گروه علوم آزمایشگاهی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران