Türkiye’de gıda güvenliğine yönelik önemli bir adım İzmir’den geldi. Yaşar Üniversitesi Mühendislik Fakültesi Yazılım Mühendisliği Bölümü ile İzmir Yüksek Teknoloji Enstitüsü (İYTE) Gıda Mühendisliği Proses Laboratuvarı’nın ortak çalışmasıyla geliştirilen “CATCH” isimli cihaz, bal, pekmez ve zeytinyağı gibi sıvı gıdalarda tağşişi (sahtecilik) saniyeler içinde tespit edebiliyor. Türk Patent ve Marka Kurumu’ndan onay alan cihaz, yerli üretim olmasıyla da öne çıkıyor.
Pratik kullanım imkanı
“Compact Adulteration Testing Cabinet on Honey” ifadesinin kısaltması olan CATCH, termal görüntüleme teknolojisini evrişimli sinir ağları (CNN) ile birleştiriyor. Böylece yalnızca ürünün sahte olup olmadığını belirlemekle kalmıyor, aynı zamanda ne kadar tağşiş içerdiğini de analiz ediyor. Çok katmanlı yapay zeka modeli sayesinde analizler hem daha hızlı hem de yüksek doğrulukla gerçekleştiriliyor. Kullanıcı dostu arayüzüyle tek tuşla çalıştırılabilen sistem, araştırma laboratuvarlarının yanı sıra üretim tesislerinde, kalite kontrol birimlerinde ve market denetimlerinde de rahatlıkla kullanılabilecek.
“Gıda güvenliği için dönüştürücü bir etki”
Proje yürütücüsü Yaşar Üniversitesi’nden Prof. Dr. Mehmet Süleyman Ünlütürk, geliştirdikleri sistemin önemine dikkat çekerek şunları söyledi:
“Bal gibi karmaşık yapıya sahip ürünlerde tağşiş tespiti yıllardır zorlayıcıydı. Geliştirdiğimiz CATCH adını taşıyan cihaz, yapay zekanın gıda güvenliği alanında nasıl dönüştürücü bir etkiye sahip olabileceğini açıkça ortaya koyuyor. Hem analiz süresini kısaltıyor hem de yüksek doğrulukla sonuç veriyor. Bu da hem üreticiler hem de tüketiciler için büyük bir avantaj. Bu sistemin yakın gelecekte farklı gıda ürünlerine de uyarlanarak gıda sahteciliğiyle mücadelede etkili bir çözüm haline gelebileceğini öngörüyoruz. Patentini aldığımız bu teknolojinin, gıda sektöründe ulusal ve uluslararası düzeyde önemli katkılar sağlayacağına inanıyoruz.”
Sistem nasıl çalışıyor?
CATCH’in teknik altyapısında termal görüntüleme teknolojisi ile evrişimli sinir ağları birlikte kullanılıyor. Model, farklı görevler için özelleştirilmiş birden fazla CNN’i çalıştırıyor; biri sınıflandırma yaparken, diğerleri tağşiş miktarını tahmin ediyor. Bu çok katmanlı yapı, özellikle bal gibi yapısı karmaşık ürünlerde hem analiz sürecini hızlandırıyor hem de daha hassas sonuçlar veriyor. Yapay zeka tabanlı otomasyon sayesinde analiz maliyetleri de düşüyor.
