من الطيف إلى الصورة: شبكة تجميع عميق جديدة لكشف غش الحليب الخالي من اللاكتوز

يشكل غش الحليب الخالي من اللاكتوز تحديًا لسلامة الغذاء، إذ يصعب كشف المواد المضافة بأساليب تقليدية، وتواجه طرق التجميع التقليدية صعوبة في استخراج السمات الملائمة من أطياف الأشعة تحت الحمراء القريبة عالية الأبعاد وغير الخطية، مما يؤدي إلى دقة ضعيفة في كشف الغش، ومن ثم تبرز الحاجة إلى نماذج قادرة على التقاط البنية الدقيقة للأطياف وعلى التمييز بين الأنماط المتقاربة دون الاعتماد على بيانات موسومة مسبقًا

تقدم الورقة الحالية نموذجًا مقترحًا يجمع بين الحقل الزاوي الغرامي وتجميع المشعب الالتفافي العميق، وهو نموذج يحوّل الطيف إلى صورة ثم يستخرج منها السمات الموضعية بين الأطوال الموجية المتجاورة، ويهدف إلى رفع دقة التجميع وتقليل أثر الضجيج، مما يقدم حلًا قويًا لمراقبة سلامة الغذاء في منتجات الحليب الخالي من اللاكتوز

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تطوير نموذج تجميع قادر على كشف غش الحليب الخالي من اللاكتوز من أطياف الأشعة تحت الحمراء القريبة دون الحاجة إلى بيانات موسومة مسبقًا، واعتمد النموذج المقترح على الحقل الزاوي الغرامي الذي يبرز التغيرات في قمم الامتصاص الطيفي، وعلى تجميع المشعب الالتفافي العميق الذي يلتقط السمات الموضعية بين الأطوال الموجية المتجاورة، مما يقلل تأثير الضجيج ويعزز دقة التجميع، وقد أجريت التجارب على عينات من 2250 طيفًا من الحليب، وقورن أداء النموذج المقترح بخوارزمية التجميع بالمتوسطات وبنموذج الترميز التلقائي المتغير وأساليب أخرى

ثانيًا: أبرز النتائج

1، ارتفع معامل الصورة الظلية من 0.109 في خوارزمية التجميع بالمتوسطات إلى 0.571 في النموذج المقترح، وهو تحسن كبير يدل على فصل أفضل بين العناقيد وتماسك أقوى داخل كل عنقود

2، ارتفع مؤشر المعلومات المتبادلة المعياري من 0.696 إلى 0.921، وارتفع مؤشر راند المعدل من 0.543 إلى 0.836، مما يؤكد توافقًا أعلى بين التجميع الناتج والتصنيف الحقيقي للعينات

3، ارتفعت الدقة من 67.2 في المئة إلى 88.9 في المئة، وتفوق النموذج المقترح على خوارزمية التجميع بالمتوسطات ونموذج الترميز التلقائي المتغير والأساليب الأخرى، وحقق فصلًا أعلى بين العناقيد وحدود تجميع أوضح دون الحاجة إلى بيانات موسومة مسبقًا

ثالثًا: دلالات الدراسة وتطبيقاتها

تقدم نتائج الدراسة حلًا قويًا لمراقبة سلامة الغذاء، إذ يمكن للنموذج المقترح أن يدعم جهات الرقابة في كشف غش الحليب الخالي من اللاكتوز بسرعة ودقة، كما أن المنهجية المقترحة قابلة للتوسع إلى منتجات غذائية أخرى تعتمد على الأطياف، لأن تحويل الطيف إلى صورة واستخراج السمات الموضعية منه يمثل إطارًا عامًا يمكن تكييفه مع أنواع مختلفة من البيانات الطيفية، وهو ما يعزز دور الذكاء الاصطناعي في حماية المستهلك وضمان جودة الغذاء

إن أهمية هذه النتائج تتجاوز المنتج الواحد إلى منظومة سلامة الغذاء برمتها، فالقدرة على كشف الغش دون بيانات موسومة مسبقًا تخفض كلفة الرقابة وتسرع إجراءات الفحص، كما أن تحويل الطيف إلى صورة يفتح الباب أمام توظيف أدوات الرؤية الحاسوبية المتقدمة في تحليل البيانات الطيفية، وهو توجه يجمع بين الكيمياء التحليلية والذكاء الاصطناعي في خدمة المستهلك، ومن جهة أخرى فإن نجاح النموذج في فصل العناقيد بوضوح يمنح المختبرات ثقة أكبر في نتائج الفحص ويقلل الحاجة إلى إجراءات تأكيدية مكلفة، مما يعزز كفاءة سلاسل الرقابة الغذائية ويحمي الصحة العامة على نطاق واسع

ومن زاوية أخرى فإن المنهجية المقترحة تتيح للمختبرات الصغيرة الاستفادة من أدوات الذكاء الاصطناعي دون بنية تحتية مكلفة للوسم اليدوي، كما أنها تقلل الاعتماد على الخبرة البشرية في قراءة الأطياف، وتوفر إطارًا يمكن تدريب الكوادر عليه بسرعة، مما يوسع نطاق الرقابة الغذائية ويعزز الثقة في المنتجات المعروضة في الأسواق

وهو ما يجعل الاستثمار في هذه التقنيات خيارًا واعدًا لمستقبل الرقابة الغذائية

وخلاصة القول، يثبت النموذج المقترح أن الجمع بين التمثيل الصوري للأطياف والتجميع العميق يحقق قفزة واضحة في دقة كشف الغش، ويفتح الطريق لتطبيقات أوسع في الرقابة الغذائية