AI-baserad elektronisk näsa för etablering av normaldoft vid svensk köttproduktion : nötkreatur

Sammanfattning

Det finns stor individvariation i hur människor uppfattar olika dofter, som till stor del beror på medfödda genetiska skillnader, kön och ålder. Covid-19-pandemin har dessutom medfört att flera människor än tidigare lider av olfaktorisk dysfunktion. Dessa faktorer kan innebära svårigheter i bedömningen av om något luktar normalt eller avvikande, inte minst inom den officiella kont-rollen i Sverige där besiktning av slaktkroppar sker. Därmed finns incitament för att försöka digi-talisera luktbedömningen av slaktkroppar för att på så sätt likrikta och effektivisera den officiella kontrollen. Examensarbetets syfte var att utvärdera funktion, handhavande och träffsäkerhet hos en nyutvecklad portabel elektronisk näsa (E-näsa) baserad på kommersiellt tillgängliga komponenter. Frågeställningen var huruvida E-näsan kunde tränas upp med hjälp av artificiell intelligens (AI) och därefter känna igen normaldoft på slaktkroppar av nötkreatur och att utvärdera hur väl tekni-ken fungerar i praktiken. En AI-modell tränades upp genom provtagning av cirka tusen normal-doftande slaktkroppar av nötkreatur på ett svenskt nötslakteri och därefter testades modellens praktiska förmåga att identifiera olika kategorier av slaktkroppar av nöt och att skilja dessa från provtagningar av miljö samt från slaktkroppar av lamm. Den totala träffsäkerheten för E-näsans AI-modell avseende att klassificera prover korrekt beräknades till 36 %. Insamlade data användes dessutom för statistisk analys av uppmätta sensorvärden hos E-näsan för att undersöka om signi-fikanta skillnader fanns mellan de olika provtagna kategorierna. Den statistiska analysen (multi-nomial regressionsmodell med Tukeys metod) visar på signifikanta skillnader i uppmätta sensor-värden mellan nästan samtliga kategorier av slaktkroppar av nötkreatur, bakgrundsmätningar och jämförelsen mellan lamm och nötkreatur. Slutsatsen är att det finns förmåga hos E-näsans sensorer att känna av skillnader mellan olika slaktkroppar av nötkreatur, bakgrundsmätningar och slakt-kroppar av lamm, men att det krävs mer data för att träna upp en AI-modell som ger hög träff-säkerhet innan E-näsan har förmåga att användas i praktiken.