机器学习将加速食品工厂中污染的检测

加工我们食品和饮料的工厂（新鲜事实：它并非直接来自农场）必须保持非常清洁，否则我们都会生病，直截了当地说。确保通常需要使用培养皿为基础的微生物监测、硬件设备，并等待实验室的测试结果。一家新创企业计划使用深度学习算法加快这个过程。

Spore.Bio是一家法国初创公司，研发了一种新的病原体检测方法。它通过在已经清洁过的食品表面上照射光线，然后在未清洁过的食品表面上进行同样的操作。然后将这两组数据进行比较，以便检测出表面是否干净。

基于这个解决方案的成功，该公司现在获得了800万欧元的种子轮融资，由伦敦的LocalGlobe VC领投。其他参与者包括EmergingTech Ventures、No Label Ventures、Famille C（Clarins家族办公室）、Better Angle、Plug & Play Ventures、Entrepreneur First、Kima Ventures、Raise Sherpas、Fair Equity、Sharpstone Capital和天使投资人。

“基本上，我们向样本发送光线，类似于拍摄一张非常高级的快照，”首席执行官阿米娜·拉吉在一次采访中解释道。拉吉之前在雀巢工作，与首席技术官马克西姆·米斯特雷塔和首席运营官穆罕默德·塔齐（曾是Gymlib的创始人）共同创办了这家初创公司。

Spore.Bio生成的图像已超越肉眼可见范围。我们拥有能识别此快照中细菌光谱特性的机器学习模型。为使系统运行良好，我们必须使用大量食物和饮料样本进行训练，包括受污染和未受污染的样本，以创建庞大的数据集。这对我们而言是一项巨大的资产。这也是为什么我们与全球最大制造商签订了一些合同的原因。

Spore.Bio是一家创业公司，目前还处于早期阶段。这笔筹款将部分用于研发一种更便捷的装置，用于进行监测工作。

“我们正在研发一种硬件设备，能够在工厂现场立即检测到病原体。这款手持设备更方便进行质量抽样，几乎实时提供对工厂内潜在细菌的洞察。”拉吉声称。

他说他们使用激光：“我们的技术以特定波长的紫外-红外光发射。细菌对这种刺激有一定的反应，我们训练我们的计算机视觉和化学计量学模型以识别这种光谱特征。”

然而，在进一步解释时，他止步不前：“这些硬件都基于先进的光子技术。目前我们正在申请专利，所以不能透露更多信息。”他补充道。

与任何硬件产品一样，尤其是那些尚未转化为实际设备的创意，该设备在希望成为产品之前需要经历一系列步骤。

其中一部分将涉及在食品生产方面应对现有的狭隘法规。在欧洲，食品制造商必须遵守“通用食品法”。

独立认证机构表示，任何新的检测产品进入食品行业可能需要12至18个月的时间（ISO 16140 - 食品链微生物学）。

“我们已经与认证机构合作，正在努力获得该项认证，但这并非开始商业化的必需条件。”Raji说道。他补充道，该产品正在经历“严格的测试和开发过程”，以确保能够尽可能准确地检测工厂中的细菌和病原体。

然而，显然还存在一些机会来打破现有局面。工厂必须定期对产品进行测试，以确保没有细菌或病原体存在，但是用于检测细菌的技术几十年来没有得到发展。目前，样本必须送到离场实验室进行测试，这可能需要5到20天的时间，从而减慢决策过程，并阻碍问题的迅速纠正。而且，这种延迟也是有成本的。

Spore.Bio声称其解决方案最终将几乎实时运作。这意味着食品加工商将遭受较少的停工时间。这是非常重要的，因为根据德勤公司的研究，全球食品和饮料加工行业每年停工的成本估计约为500亿美元。（当然，德勤公司与此有一定利益关系，请对其庞大的数字持保留态度。）

尽管该产品目前尚未上线，Raji表示他们已经为其首批原型机设立了“等候名单”，并希望在明年能将其全球部署到客户的网站上。

竞争对手包括总部位于美国的PathogenDX，该公司为其其他解决方案已筹集了1160万美元。