ARiMR

Celem operacji jest wzmocnienie konkurencyjności rzemieślniczych miodosytni poprzez wdrożenie innowacyjnych technologii, metod organizacji i produktu dzięki stworzeniu unikalnego System Detekcji Mikroorganizmów (SDM), ukierunkowanego na zapewnienie stałego i efektywnego monitorowania bezpieczeństwa mikrobiologicznego procesów na każdym etapie produkcji miodów pitnych. Monitorowanie i ocena stanu mikrobiologicznego będą realizowane w innowacyjny sposób, poprzez wykorzystanie technologii IT wykorzystującej algorytmy interpretacji obrazu mikroskopowych w sposób zdalny – bez konieczności fizycznego dostarczania próbek do laboratorium, co stanowi przełom na skalę międzynarodową w sposobie prowadzenia rutynowych badań w zakresie bezpieczeństwa mikrobiologicznego produktów przemysłowych.

Proponowane rozwiązanie SDM pozwoli na szybką, automatyczną, powtarzalną i tanią analizę mikrobiologiczną i będzie unikalnym narzędziem na skalę międzynarodową, opartym o innowacyjne algorytmy wykorzystujące mechanizmy uczenia maszynowego do samodzielnej i zautomatyzowanej analizy obrazu mikroskopowego. SDM umożliwi wykrycie, identyfikację oraz zliczenie mikroorganizmów (bakterii, grzybów i drożdży) w poddanej badaniu próbce żywności. Głównymi zaletami proponowanego rozwiązania jest przyspieszenie czasu analizy mikrobiologicznej z kilku dni (wykonywanie testów hodowlanych) do maksymalnie dwóch godzin. Pozwoli to na zwiększenie wydajności produkcji spożywczej, producenci szybciej będą uzyskiwać wyniki badań dla półproduktów czy substratów produkcyjnych, ale też produktów gotowych. Producenci nie będę musieli wstrzymywać wyprodukowanego towaru do czasu uzyskania wyników jak to ma miejsce w przypadku metod hodowlanych. Tak ogromne uproszczenie i skrócenie procesu badania czystości mikrobiologicznej przyczyni się również do zwiększenia liczby wykonywanych testów z uwagi na podnoszenie jakości swoich produktów.

System ma zastosowania w sytuacji zaostrzających się regulacji prawa europejskiego w odniesieniu do substancji dopuszczonych do stosowania w produktach spożywczych.

Niewłaściwa higiena procesów produkcyjnych, stosowanie większej liczby substancji naturalnych i ograniczenia w metodach konserwowania produktów, wymusza optymalizację procesów kontroli bezpieczeństwa mikrobiologicznego – zwłaszcza w procesach kontroli mikrobiologicznej hal, pomieszczeń lub linii produkcyjnych poddawanych dezynfekcji lub sterylizacji – wynik i zliczenie i klasyfikacja na grzyby, drożdze, bakterie i pleśnie będzie szybsza niż metodami konwencjonalnymi.

Powszechnie stosowanymi metodami kontroli mikrobiologicznej produktów spożywczych są testy, które mają na celu oznaczenie ogólnej liczby mikroorganizmów (tj. drobnoustrojów tlenowych mezofilnych) a także drożdży i grzybów).

SDM jako szybka, tania i skuteczna metoda oceny jakości mikrobiologicznej (bezpieczeństwa) wpłynie na zwiększenie efektywności procesu kontroli w przedsiębiorstwach, poprzez zautomatyzowane dostarczanie w krótkim czasie informacji o obecności w próbce drożdży, bakterii i grzybów wraz z ich zliczeniem bez konieczności dostarczania próbek do laboratorium (redukcja kosztów, zwiększenie częstość rutynowych kontroli mikrobiologicznych, ograniczenie strat produkcyjnych wynikających z przekroczenia norm bezpieczeństwa). System w swoich założeniach mógłby być wpleciony bezpośrednio w linie produkcyjną i pozwolić na kontrolowanie „on line” substratów trafiających do produkcji. Pozwoliłoby to ograniczyć potencjalne straty do minimum przy zachowaniu podobnego poziomu kosztowego. Gdyż za cenę jednego badania tradycyjnymi metodami można wykonać 5-10 razy tyle badań SDM. Dodatkowo system SDM byłby dostępny 24/7 do dyspozycji przedsiębiorcy co pozwala na oszczędności czasowe związane z transportem próbek do laboratorium.

Zastąpienie żywego diagnosty „automatem” ma służyć wprowadzeniu nowej jakości w procesie kategoryzacji obrazów mikroskopowych i szukania mikroorganizmów, w oparciu o przygotowaną i ciągle rozwijaną bazę próbek. W systemie SDM zostanie wykorzystana rozproszona baza danych, w której będą składowane obrazy próbek. Dane te będą przechowywane również przez jakiś czas po „nauczeniu” ich przez sieci neuronowe i automatycznym skategoryzowaniu treści. Dzięki temu możliwe będzie kontrolowanie procesu przez specjalistów i moderowanie procesu uczenia.
Do kontrolowania i administrowania systemem wykonamy zostanie zestaw interfejsów użytkownika: „panel administracyjny”. W jego skład wejdą strony służące do zarządzania parametrami systemu, moderowania procesu uczenia, zarządzania bazami danych obrazów, przeglądania logów systemowych i monitorowania bieżącej pracy rozwiązania. Panel będzie dostępny z poziomu komputera oraz wygodnej aplikacji mobilnej.

Standardowe posiewy mikrobiologiczne są czasochłonne i kosztowne, ponadto często obarczone dużym błędem związanym z niedoszacowaniem. Dodatkowym problemem jest transport próbek do laboratorium, które wielokrotnie jest oddalone od miodosytni o kilkadziesiąt kilometrów. Nakłada się na to również długi czas hodowli posiewów, co powoduje długi czas oczekiwania na wynik (5-9 dni) co uniemożliwia bieżące ingerowanie w proces produkcyjny żywności. Od wielu lat poszukuje się metod alternatywnych, należą do nich PCR i jego odmiany, Fluorescencyjna Hybrydyzacja in situ, cytometria i wiele innych. Intensywnie na świecie trwają̨ również próby wykorzystania sztucznej inteligencji jako alternatywy dla posiewów mikrobiologicznych poprzez analizę obrazów mikroskopowych, jednak dotychczas nie znalazły one zastosowania w praktyce gospodarczej. W ostatnich latach wzrasta znacznie liczba publikacji naukowych z tego zakresu. Naukowcy z Krakowa, którzy pracują nad wykorzystaniem komputerowej analizy obrazu do rozpoznawania bakterii opublikowali wyniki swoich prac we wrześniu 2017 roku w prestiżowym czasopiśmie PLoS ONE (12(9): e0184554). Autorzy Inghua Zhang, Chen Li, Yimin Yin, Jiawei Zhang, Marcin Grzegorzek opublikowali w 2022 roku obszerną pracę dotyczącą zastosowania sztucznych sieci neuronowych w analizie obrazu mikroorganizmów (Artifcial Intelligence Review https://doi.org/10.1007/s10462-022-10192-7). Prac z tego zakresu pojawia się w renomowanych czasopismach coraz więcej a ich Autorzy wskazują na niedoskonałość rozwiązań i konieczność rozbudowania bazy danych i dalszych prac nad wykorzystaniem sztucznej inteligencji w badaniach mikrobiologicznych żywności. Przełomem w tym obszarze są prace na Systemem Detekcji Mikroorganizmów dla przemysłu kosmetycznego opisane w artykule The Microorganism Detection System (SDM) for microbiological control of cosmetic products (Annals of Agricultural and Environmental Medicine 2021, Vol 28, No 4, 705–708). Wyniki tych prac wprost wskazują, że są realne szansa na opracowanie metodologii i samego produktu jakim byłoby przydomowe laboratorium.

Projekt realizowany jest przez grupę operacyjną „kielich sześciu miodów” tworzących konsorcjum w skład którego wchodzą:

• Instytut Medycyny Wsi im. Witolda Chodźki
• NVT Sp. z o.o.
• Warmińsko-Mazurski Ośrodek Doradztwa Rolniczego
• Miodosytnia Zielona Pasieka Piotr Sobuń
• Bee+ Sp. z o.o.
• Dziki Miód -Krzysztof Piwowar
• Augustowska Miodosytnia Paweł Kotwica, Piotr Piłasiewicz S.C.
• SELAMAR Marcin Seliwoniuk
• The Big Fellow Bartek Zięciowski