Профессор Сун, вы много пишете об использовании давления, вакуума, различных температур при обработке продуктов питания. Какие возможности открывают перед нами все эти технологии?

Мы все – и потребители, и производители – заинтересованы в том, чтобы продукты были безопасными, хорошего качества и хранились как можно дольше. Потребитель хочет, чтобы фрукты были у него на столе круглый год, вне зависимости от того, в какой точке земного шара он живет. Я работаю в области пищевой инженерии, и моя главная цель, как и главная цель моих коллег, – приложить усилия, наши знания, технологии к тому, чтобы мы круглый год могли получать безопасную и доступную еду. 

Возьмем в качестве примера технологию вакуумного охлаждения, которая на сегодняшний день уже широко используется в пищевой промышленности, в особенности в сельскохозяйственной отрасли, для обработки овощей и фруктов. Фрукт, после того как его сорвали или срезали, остается живым, и при высокой температуре хранения он быстро испортится. Дело в том, что овощ или фрукт продолжает «дышать», однако у него нет притока энергии непосредственно от почвы или ствола дерева. Охлаждение позволяет прервать этот процесс «дыхания», и чем быстрее мы этот цикл прервем, тем дольше будет храниться фрукт или овощ. Поэтому нам необходима технология, которая быстрее позволит обеспечить процесс замораживания, нежели использование традиционного воздушного охлаждения. Воздушное охлаждение занимает несколько часов, вакуумное – полчаса. Это не только помогает лучше сохранять качество продуктов, но также сокращает потребления энергии.

Также в своих работах вы много пишете о компьютерном зрении. Не могли бы вы рассказать о том, чем может помочь технология компьютерного зрения в определении качества продуктов?

Компьютерное зрение очень помогает пищевой отрасли. К примеру, вы смотрите на красное яблоко, однако можете ли вы сказать, насколько оно красное? Более того, вам оно покажется красным, а мне как раз нет. Тогда что же это такое – красное яблоко, насколько красным оно должно быть, чтобы считаться таковым? Используя компьютерное зрение, мы получаем точные данные, можем сказать какое значение уже можно признать красным.

Конвейер для сортировки яблок. Источник: shutterstock.com
Конвейер для сортировки яблок. Источник: shutterstock.com

Это лишь один из примеров. Компьютерное зрение позволяет добиться скорости, эффективности и точности. Сегодняшние возможности компьютеров очень велики: когда вы смотрите на ленту конвейера своими глазами, вы не можете увидеть всех операций, которые там производятся, а компьютер может. К примеру, поговорим о ресторанах быстрого питания. Вы любите картофель фри?

Да, люблю.

Так вот, при его производстве используется компьютерное зрение. Рестораны хотят, чтобы поставщик продавал им картофелины определенного размера, им не нужны клубни небольшого размера. А почему? Потому, что им нужно нарезать их на палочки определенной длины, им нужен длинный картофель фри, он экономичнее. Ведь когда вы берете пакетик картофеля, то платите за размер упаковки. Если картофель фри длинный, то в упаковку его поместится меньше. Визуально коробка будет наполнена, но если вы возьмете упаковку с длинным картофелем фри и такую же с коротким, то последняя будет заметно тяжелее.

Поэтому ресторанам важно следить за размером исходных картофелин, затем за размером самих палочек. Поэтому рестораны используют компьютерное зрение при очень быстром процессе сортировки, для этого нужны очень высокоскоростные камеры.      

А можно ли с помощью компьютерного зрения узнать что-то про качество продукта, а не только про его размер, форму или цвет?

Нет, компьютерное зрение не поможет увидеть качество продукта – только его визуальные свойства. А вот гиперспектральная визуализация (Hyperspectral Imaging) уже позволяет судить о том, сколько воды в продукте, сколько жиров, углеводов. Это получается за счет того, что в данном случае к классическому компьютерному зрению добавлена спектроскопия. Это уже работа со светом, которая связана с молекулярными связями в продукте. И вот вы уже получаете информацию на молекулярном уровне, благодаря чему можете судить о качестве продукта, включая его химические, физические и микробиологические свойства.

Пока эта технология широко не используется – дело в том, что оборудование для нее очень дорогое, ведь в камеру нужно устанавливать также датчик для спектроскопии. Поэтому большинство возможных применений связаны не с гиперспектральной визуализацией, а с мультиспектральной визуализацией. Данная технология уступает гиперспектральной визуализации, поскольку мы можем смотреть только на некоторые аспекты, которые для нас важны.

Где эти технологии можно использовать?

К примеру, представьте конвейер для сортировки яблок. На нем есть яблоко с микроскопическими механическими повреждениями, которые получены еще при сборе урожая. Вы не сможете их увидеть глазом, потемнения в этих местах появятся только спустя несколько дней. Вспомните – вы ведь дома роняли яблоки? Вроде бы ничего не заметно сразу после удара, но потом на этом месте проступают темные пятна. Так вот технология позволяет увидеть эти повреждения на молекулярном уровне еще до того, как яблоко в этом месте начнет темнеть. Такой фрукт можно убрать из сортировки.

Лекция Да-Вен Суна в ИТМО
Лекция Да-Вен Суна в ИТМО

Еще один пример касается апельсинов. На кожуре может быть микроскопическая плесень – на прилавке в супермаркете ее не видно, но затем, когда вы положите фрукт в холодильник, вы увидите ее, она распространится везде. Данная технология позволяет обнаружить ее еще тогда, когда человек не способен ее заметить. Вы можете также убрать зараженный фрукт из сортировки.

Звучит потрясающе! А это будет доступно только на производстве или эта технология может работать в обычном смартфоне?

Да, конечно. Мы уже сотрудничаем с промышленностью, для этого в смартфонах нужны новые камеры, нужно построить модели. Но я на 100% уверен, что это произойдет через некоторое время. Когда именно – я не знаю, все зависит от того, насколько быстро получится интегрировать технологию. Индустрия работает в этом направлении, чтобы внедрить спектральную информацию в смартфоны и другие девайсы, чтобы пользователь мог с помощью своего телефона определить качество и материал вашей одежды, а также проверить качество продуктов, посмотреть, сколько в них жиров и углеводов. Не знаю, когда это будет реализовано, но уверен, что скоро.

А какие еще технологии нас ждут в ближайшем будущем?

Их много. К примеру, сейчас я рассказал студентам ИТМО о нескольких моделях заморозки, которые позволяют нам контролировать кристаллизацию воды. Дело в том, что главный фактор, влияющий на качество замороженной еды, – это размер кристаллов льда, образующихся в ходе заморозки. Если кристаллы слишком большие, то они буквально разрывают микроструктуру продукта и разрушают клетки. Вы можете видеть это: когда структура повреждена, то из продукта при разморозке вытекает жидкость, в результате теряются полезные вещества и ухудшается вкус.

Есть несколько технологий, которые позволяют контролировать размер кристалликов льда, делая их очень маленькими. Они образуются внутри межклеточного пространства по всему объему продукта. Микроструктура в результате не повреждается, и качество замороженного продукта почти не отличается от качества свежего продукта. 

Пока это очень дорого, поэтому промышленность не применяет эту технологию, но в будущем, по мере развития промышленного прогресса, оборудование станет намного дешевле и технология станет доступной.