Un nez électronique de l’Université de Californie à Berkeley détecte les aliments avariés et les allergènes de noix

La plupart des gens se fient à leur propre nez pour décider si un aliment a tourné. L’odorat humain s’en sort plutôt bien, mais il laisse passer bien des choses.

D’après les Centres américains de contrôle et de prévention des maladies (CDC), environ 48 millions d’Américains contractent chaque année une maladie d’origine alimentaire. Un simple reniflement ne permet pas de repérer tous les risques qui se cachent dans un réfrigérateur.

Un nez électronique prend le relais

Des chercheurs de l’Université de Californie à Berkeley ont mis au point un dispositif capable de « sentir » la détérioration des aliments bien mieux que nous.

La même puce sait aussi repérer des allergènes alimentaires courants, comme la noix et la cacahuète, potentiellement mortels chez les personnes sensibles.

Carla Bassil, autrice principale de l’étude et doctorante en génie électrique et en informatique à Berkeley, a piloté ces travaux.

Avec son équipe, elle a réussi à intégrer une capacité d’odorat fonctionnelle sur une puce plus petite qu’un ongle.

Des capteurs qui fonctionnent en équipe

Ce nez artificiel embarque un réseau de 16 minuscules capteurs de gaz. Chacun réagit à un mélange de composés gazeux légèrement différent.

C’est justement cette diversité qui fait l’intérêt du système. Pris isolément, aucun capteur ne peut démêler une odeur réelle, mais ensemble, ils en restituent une image bien plus complète.

« Vous pouvez voir cela comme un ensemble de papilles gustatives numériques, où chaque capteur sur cette puce répond de manière unique aux différentes molécules de gaz qui lui sont présentées », a expliqué Bassil.

Elle précise par ailleurs que chaque capteur possède son propre film de détection, qui convertit les réactions chimiques à la surface en signaux électriques.

Le machine learning lit les motifs

Pour interpréter ces signaux, Bassil a utilisé le machine learning afin d’identifier le profil de réponse de chaque aliment. Le modèle a appris sept éléments : fraise, myrtille, banane, noix, noisette, noix de cajou et cacahuète.

Il a aussi été entraîné sur du poulet cru, du lait et des œufs. Chaque produit a été testé à l’état frais, puis à nouveau après 24 et 48 heures à température ambiante.

« L’idée est que nous pouvons utiliser la sélectivité relative des capteurs de gaz, associée aux capacités de reconnaissance de motifs du machine learning, pour déterminer quelle empreinte gazeuse est associée à chaque aliment », a déclaré Bassil.

Au final, on obtient une puce bien plus sensible et nettement plus objective que n’importe quel nez humain.

Détecter la détérioration et les allergènes de noix

Quand des bactéries d’origine alimentaire dégradent la matière organique, elles émettent des gaz caractéristiques. La puce apprend ces signatures et signale les aliments qui ont tourné.

Elle sait également reconnaître l’odeur des fruits à coque et de la cacahuète, qui figurent parmi les neuf grandes catégories d’allergènes définies par l’agence américaine de réglementation alimentaire et pharmaceutique (FDA).

Selon l’équipe, c’est la première fois qu’un réseau de capteurs de gaz parvient à distinguer différents allergènes de fruits à coque.

Le dispositif a détecté seulement 0.05 gramme de noix isolée, soit environ un centième d’une noix décortiquée.

Bassil ne l’a pas encore évalué au milieu d’odeurs concurrentes. Une noix incorporée dans un gâteau, ou de la viande avariée stockée au réfrigérateur avec d’autres aliments, reste à tester.

Les nanotubes de carbone ont rendu cela possible

Le nez électronique fait rêver depuis les années 1980, mais sa réalisation est restée difficile.

Fabriquer un capteur de gaz unique est simple ; en revanche, regrouper de nombreux films différents sur une même puce l’est beaucoup moins.

Bassil a levé cet obstacle en s’appuyant sur des nanotubes de carbone plutôt que sur des oxydes métalliques. Ces couches n’ont que quelques nanomètres d’épaisseur, soit environ un centième de la largeur d’un cheveu humain.

Leur très grande surface les maintient sensibles à température ambiante. Ce fonctionnement « à froid » lui a permis de sélectionner des matériaux plus souples, comme des polymères, qui se dégraderaient sous l’effet de la chaleur.

Une fabrication en une seule étape

Le travail à température ambiante a aussi permis d’utiliser une méthode simple de dépôt par goutte.

Ainsi, tous les matériaux de détection peuvent être déposés en une seule fois, plutôt qu’au cours de multiples cycles distincts.

« L’aspect vraiment évolutif de mon nez électronique, c’est que nous pouvons utiliser tous ces différents types de matériaux de détection tout en les déposant en une seule étape », a indiqué Bassil.

Un modèle unique, entraîné sur l’ensemble des objets, a atteint 92.6 pour cent de précision sur les 16 éléments. La plupart des erreurs provenaient d’aliments d’une même famille, comme la noisette et la cacahuète.

L’œuf avarié et le poulet avarié ont également été confondus par moments. Tous deux libèrent des amines et des sulfures similaires lorsqu’ils se décomposent.

Des modèles plus petits font encore mieux

L’équipe a ensuite entraîné des modèles ciblés sur des tâches plus étroites. Un modèle dédié uniquement à la détection de la détérioration est monté à 99 pour cent, et un modèle consacré uniquement aux noix a atteint 93.2 pour cent.

Réduire la liste des possibilités a amélioré la précision des prédictions. De plus, des modèles plus petits s’exécutent plus vite et coûtent moins cher à faire tourner.

Les chercheurs ont aussi mesuré l’impact du nombre de capteurs sur la précision. Les performances sont passées de 49.9 pour cent avec seulement quelques capteurs à 92.6 pour cent avec l’ensemble complet.

Les améliorations finissent toutefois par plafonner. Ajouter des capteurs n’apporte un bénéfice que si chaque nouveau capteur apporte une information réellement différente.

Vers un réfrigérateur plus intelligent

Bassil a déjà conçu une version portable pilotée via une application iPhone, même si elle ne fait pas partie de cette étude. Elle prévoit d’évaluer le prochain modèle dans des environnements plus chargés et plus proches du réel.

« Je pense que les réfrigérateurs “intelligents” – qui embarquent des capteurs que vous pouvez contrôler sur votre téléphone – seraient une excellente application pour ce type de technologie », a affirmé Bassil.

Elle imagine un réfrigérateur capable de vous alerter lorsque votre brocoli est sur le point de se gâter, ou lorsque votre poulet arrive à son dernier jour.

Crédit image : Brandon Sánchez-Mejia/UC Berkeley