由南澳大利亚大学领导的国际研究团队近日证实，人工智能技术已能实现农田和食品工厂中真菌毒素的实时检测。发表于《毒素》期刊的系统综述表明，高光谱成像技术（HSI）结合机器学习算法可有效识别谷物和坚果中的真菌毒素——这种由霉菌产生的危险化合物在农作物生长、收获和储存过程中持续威胁食品安全。
世界卫生组织数据显示，包括真菌毒素污染在内的食源性疾病每年导致6亿人患病、420万人死亡。联合国粮农组织估计全球约25%的农作物受产毒真菌污染，这对公共卫生和经济安全构成双重威胁。传统检测方法存在耗时长、成本高且破坏样本的缺陷，难以满足大规模实时检测需求。
该研究评估了澳大利亚、加拿大和印度团队在谷物及坚果检测中的应用效果。这些农作物在温热潮湿环境下从种植到储存各环节都极易受真菌污染。研究显示，HSI技术通过捕捉真菌毒素独特的光谱特征，结合机器学习算法可在毫秒级时间内完成污染分级，检测精度显著优于传统方法。尤其在检测致癌性最强的黄曲霉毒素B1方面表现出色，为工业级食品安全检测提供了非侵入式解决方案。
研究团队已在小麦、玉米、大麦、燕麦、杏仁、花生和开心果等主要作物中验证该技术的有效性。项目负责人李尚镐教授指出，该技术既可应用于生产线的自动化分拣，也可集成到手持设备中，通过实时检测有效控制粮食贸易中的健康风险。目前团队正通过深度学习优化系统精度，未来有望在农产品流通全链条实现智能监控。
【全文结束】
