Anzeige
Anzeige
MIT Technology Review News

97 Prozent Trefferquote: „Elektrische Zunge“ weiß, wie alt dein Saft ist

Ein Team der Penn State University konnte mithilfe eines neuronalen Netzes die Genauigkeit ionensensitiver Feldeffekttransistoren verbessern. Diese Methode verrät den Geschmack und die Frische von Getränken. Das könnte in der Lebensmittelindustrie hilfreich sein.

Von MIT Technology Review Online
2 Min.
Artikel merken
Anzeige
Anzeige
© Ursula Deja - Fotolia.com

Chemosensoren sind in vielen Anwendungen unersetzlich. Seit 1970 gibt es ionensensitive Feldeffekttransistoren, kurz ISFET. Sie funktionieren, indem sie Veränderungen in der Zusammensetzung chemischer Lösungen in elektrische Signale umwandeln. Die Ionen einer Flüssigkeit berühren die leitfähige Schicht eines ISFET, wodurch sich der durchfließende elektrische Strom je nach der genauen Zusammensetzung der Flüssigkeit und der angelegten Spannung ändert. Auf diese Weise lässt sich etwa der pH-Wert einer Lösung testen und überwachen – oder auch der Geschmack und die Frische eines Getränks wie Wein oder Saft.

Anzeige
Anzeige

Mit elektronischer Zunge dem Geschmack auf der Spur

Bildlich gesprochen sind ionensensitive Feldeffekttransistoren also so etwas wie elektronische Zungen. Ein Team der Penn State University hat die Technologie jetzt mit maschinellem Lernen verknüpft, um neue Anwendungen zu ermöglichen. Die von unabhängigen Expertinnen und Experten geprüfte Studie ist im Fachmagazin Nature erschienen.

Obwohl ISFET seit fast 60 Jahren im Einsatz sind und durch Materialien wie Graphen im Laufe der Zeit immer besser und genauer wurden, haben sie einige Nachteile: „Die Zuverlässigkeit von ISFET wird durch verschiedene Faktoren beeinträchtigt, darunter Zyklus-zu-Zyklus-Schwankungen, Sensor-zu-Sensor-Unterschiede und Chip-zu-Chip-Unterschiede, die sich aus Herstellungsverfahren, Materialeigenschaften, Herstellungsprozessen, Umweltbedingungen und Designentscheidungen ergeben“, schreiben die Forschenden.

Anzeige
Anzeige

Chemosensoren erkennen verschiedene Cola- und Kaffeesorten

Um das zu ändern, hat das Team um den Ingenieur und Materialwissenschaftler Saptarshi Das moderne Graphen-ISFET mit neuronalen Netzen kombiniert. Dafür haben die Forschenden zunächst einen Algorithmus für maschinelles Lernen trainiert, um verschiedene Getränke anhand der Messwerte der Sensoren zu klassifizieren. Dazu gehörten Kaffee, Milch, Cola, Fruchtsäfte und Wein, und zwar jeweils verschiedene Sorten oder in verschiedenen Zuständen: Bei den Säften etwa fand die Messung jeweils an vier aufeinanderfolgenden Tagen und mehrere Hunderte Mal über den Tag verteilt statt.

Ist der noch gut? Test verrät, wie lang der Saft schon offen stand

Auf diese Weise konnte der Algorithmus lernen, wie sich die chemische Zusammensetzung des Getränks im Laufe der Zeit verändert. Auf Basis dieser Daten konnte das System anschließend im Test erkennen, ob Milch verdünnt war und zwischen verschiedenen Cola-, Kaffee- und Fruchtsaftsorten unterschieden. Und das sogar ziemlich gut: Bei den Säften beispielsweise konnte das System am Ende mit 97-prozentiger Genauigkeit sagen, um welchen Saft es sich handelt und wie lange dieser schon offen stand.

Anzeige
Anzeige

„Wir haben festgestellt, dass das Netzwerk auf subtilere Merkmale in den Messdaten achtet – Dinge, die wir als Menschen nur schwer richtig definieren können“, sagt Studienleiter Das. Oder anders gesagt: Die ISFET haben Veränderungen in der Zusammensetzung der Getränke festgestellt, die der menschlichen Zunge womöglich gar nicht auffallen würden. Da das trainierte Modell die Daten vieler verschiedener Sensoren mit in die Analyse aufnimmt, lassen sich zudem die eingangs erwähnten Unterschiede zwischen individuellen Sensoren überbrücken.

Einsatz in der Lebensmittelproduktion

Die Forschenden glauben, dass ionensensitive Feldeffekttransistoren dadurch für die Lebensmittelindustrie schmackhafter werden könnten: „Die rechtzeitige Erkennung von schädlichen Verunreinigungen in der Lebensmittelproduktion ist eine ständige Herausforderung“, schreiben sie in der Studie. Der Einsatz von ISFET in Kombination mit neuronalen Netzen könnte eine kostensparende Alternative zu bisherigen Testmethoden darstellen. Als Nächstes wollen Saptarshi Das und seine Kollegen die Trainingsdatensätze um mehr Produkte und Flüssigkeiten erweitern.

Anzeige
Anzeige
Dieser Artikel stammt von Eike Kühl.

 

Mehr zu diesem Thema
Fast fertig!

Bitte klicke auf den Link in der Bestätigungsmail, um deine Anmeldung abzuschließen.

Du willst noch weitere Infos zum Newsletter? Jetzt mehr erfahren

Anzeige
Anzeige
Kommentare

Community-Richtlinien

Bitte schalte deinen Adblocker für t3n.de aus!
Hallo und herzlich willkommen bei t3n!

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team von mehr als 75 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Schon jetzt und im Namen der gesamten t3n-Crew: vielen Dank für deine Unterstützung! 🙌

Deine t3n-Crew

Anleitung zur Deaktivierung
Artikel merken

Bitte melde dich an, um diesen Artikel in deiner persönlichen Merkliste auf t3n zu speichern.

Jetzt registrieren und merken

Du hast schon einen t3n-Account? Hier anmelden

oder
Auf Mastodon teilen

Gib die URL deiner Mastodon-Instanz ein, um den Artikel zu teilen.

Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Kommentar abgeben

Melde dich an, um Kommentare schreiben und mit anderen Leser:innen und unseren Autor:innen diskutieren zu können.

Anmelden und kommentieren

Du hast noch keinen t3n-Account? Hier registrieren

Anzeige
Anzeige