Wdrożenie innowacyjnych metod zarządzania kulturami mikroorganizmów na każdym etapie produkcji miodów pitnych

Celem operacji jest wzmocnienie konkurencyjności rzemieślniczych miodosytni poprzez wdrożenie innowacyjnych technologii, metod organizacji i produkcji dzięki stworzeniu unikalnego System Detekcji Mikroorganizmów (SDM), zapewniającego stałe i efektywne monitorowanie bezpieczeństwa mikrobiologicznego procesów na każdym etapie produkcji miodów pitnych.

Monitorowanie i ocena będą realizowane w innowacyjny sposób, poprzez wykorzystanie technologii IT wykorzystującej algorytmy sztucznej inteligencji do interpretacji obrazu mikroskopowych w sposób zdalny, co stanowi przełom na skalę międzynarodową. 

Rozporządzenie Komisji Europejskiej (WE) nr 2073/2005 z dnia 15 listopada 2005 r. w sprawie kryteriów mikrobiologicznych dotyczących środków spożywczych nakłada na producentów żywności obowiązek kontroli mikrobiologicznej w procesie produkcji.
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 trwają również próby wykorzystania sztucznej inteligencji jako alternatywy dla posiewów mikrobiologicznych poprzez analizę obrazów mikroskopowych. W ostatnich latach wzrasta znacznie liczba publikacji naukowych z tego zakresu.  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.

Działania podejmowane w ramach projektu

Na podstawie danych naukowych zespół badawczy opracuje prototyp systemu detekcji mikroorganizmów, który automatycznie odpowie na pytanie, czy w badanej próbce znajdują się mikroorganizmy takie jak bakterie, drożdże, pleśnie oraz określi ich liczbę.

W ramach projektu zostaną wykonane następujące działania:

1. Przeprowadzenie badań w celu opracowania metodyki wykonywania analiz mikrobiologicznych i zdjęć.
2. Opracowanie bazy danych mikroorganizmów wraz z bazą zdjęć mikroskopowych.
3. Badania i opracowanie algorytmów i modeli ML do analizy zdjęć mikrobiologicznych.
4. Opracowanie systemu informatycznego i aplikacji mobilnej dla producentów miodów pitnych.

Główne korzyści z realizacji projektu

SDM będzie szybką, tanią i skuteczną metodą oceny jakości mikrobiologicznej (bezpieczeństwa) produktów uzyskiwanych z miodu.

• 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. Pozwoli to na znaczną redukcję kosztów kontrolowania czystości produkcji, poprzez zwiększenie częstości rutynowych kontroli mikrobiologicznych oraz ograniczenie strat produkcyjnych wynikających z przekroczenia norm bezpieczeństwa.
• Dodatkowo dzięki znacznemu obniżeniu kosztów badania oraz czasu wykonania badani będzie można znacznie zwiększyć częstotliwości badań, gdyż za cenę jednego badania tradycyjnymi metodami można wykonać 5-10 razy tyle badań z użyciem SDM. Wpłynie to w istotny sposób na podniesienie jakości produkcji.
• Dodatkowo system SDM byłby dostępny 24/7 do dyspozycji przedsiębiorcy co pozwala na oszczędności czasowe związane z transportem próbek do laboratorium. System będzie łatwy w obsłudze. Każdy z użytkowników będzie miał do dyspozycji prosty panel administracyjny oraz aplikację mobilną. Po krótkim szkoleniu z pobierania i przygotowania próbki każdy użytkownik będzie w stanie za pomocą „domowego laboratorium” pobrać, przygotować i grać próbki do systemu. 

Streszczenie praktyki

Proponowane rozwiązanie SDM pozwoli na szybką, automatyczną, powtarzalną i tanią analizę mikrobiologiczną zgodnie z obowiązkiem narzuconym producentom żywności przez Rozporządzenie Komisji (WE) nr 2073/2005 z dnia 15 listopada 2005 r. w sprawie kryteriów mikrobiologicznych dotyczących środków spożywczych. SDM to unikalne narzędzie na skalę międzynarodową, oparte o innowacyjne algorytmy wykorzystujący mechanizmy uczenia maszynowego do samodzielnej i zautomatyzowanej analizy obrazu mikroskopowego realizowanego w domowym laboratorium. 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.

Nie wdrożono dotychczas na rynek rozwiązania przeznaczonego do wykrywania i zliczania określonych mikroorganizmów (bakterii mezofilnych, drożdży, grzybów pleśniowych).

Dodatkowe informacje

Aspektem ułatwiającym są publikacje naukowe w zakresie zastosowania sztucznych sieci neuronowych w analizie obrazu mikroorganizmów (Artifcial Intelligence Review doi.org/10.1007/s10462-022-10192-7 oraz Annals of Agricultural and Environmental Medicine 2021, Vol 28, No 4, 705–708) oraz możliwość wykorzystania wyników tych badań w realizacji operacji.

Głównym problemem do rozwiązania jest detekcja komórek mikroorganizmów, klasyfikacja ich do ściśle określonych grup i zliczanie sklasyfikowanych mikroorganizmów. Konstrukcja wydajnego automatu repozytorium, inaczej mówiąc architektury głębokich sieci, oraz znalezienie skutecznej metody separowania i barwienia mikroorganizmów z próbkach, która pozwoli na wykorzystanie powstałego materiału do nauki sieci inteligentnych. Wyzwaniem technologicznym jest wykorzystanie sztucznej inteligencji w procesach przetwarzania dużej ilości danych. Taką wysokopoziomową operacją będzie rozpoznawanie skomplikowanych wzorców (obrazów) na ogromnej bazie danych. Inną kwestią do rozwiązania jest sposób przygotowania próbki do badania, co należy uznać również za ogromne wyzwanie technologiczne.

W swoich założeniach procedura musi być prosta, tak aby przeciętny użytkownik był w stanie samodzielnie przygotować próbkę i wykonać badania. Z drugiej strony należy pamiętać, że do dyspozycji będziemy mieli jedynie mikroskop, zestaw do filtracji oraz proste odczynniki, które nie stanowią zagrożenia i których użycie jest dopuszczone w takich sytuacjach.