Deep Learning-Based Non-Destructive Seafood Freshness Assessment: A Systematic Review of Sensing Technologies, Validation, and Deployment Readiness

إن رحلة السمكة من المحيط إلى الطبق هي سباق ضد الزمن. فبمجرد صيدها، يبدأ المأكولات البحرية في التغير كيميائياً وبيولوجياً، وهي عملية تقودها البكتيريا، وتفكك البروتينات، وأكسدة الدهون. هذه التغييرات تغير الرائحة والملمس والمظهر، مما يؤدي في النهاية إلى التلف. لعقود من الزمن، اعتمد تحديد ما إذا كانت السمكة لا تزال صالحة للأكل على طرق إما بطيئة، أو تتطلب مختبراً، أو تدمر المنتج نفسه. قد يحتاج العالم إلى قطع السمكة، وطحنها، وإجراء اختبارات كيميائية لقياس تراكم مركبات معينة مثل النيتروجين المتطاير أو تعداد البكتيريا الحية. وبينما تكون هذه الطريقة دقيقة، إلا أن هذا النهج يعني أن السمكة نفسها التي يتم اختبارها لا يمكن بيعها بعد ذلك. لقد سعى قطاع الصناعات الغذائية والمستهلكون على حد سواء لفترة طويلة لإيجاد طريقة للاطلاع على جودة المأكولات البحرية دون كسر الختم أو إتلاف الصيد.

تستكشف مراجعة منهجية جديدة نُشرت في أكتوبر 2026 من قبل باحثين في جامعة محمد ميمانتار سيمارانج كيف يتدخل الذكاء الاصطناعي لسد هذه الفجوة. قام المؤلفان، محمد منساريف وريชมوند أمباه-مينساه، بجمع وتحليل اثنتين وثلاثين دراسة حديثة لمعرفة ما إذا كان التعلم العميق -وهو نوع قوي من البرامج الحاسوبية التي تتعلم من البيانات- يمكنه الحكم بدقة على طراوة المأكولات البحرية دون لمسها. لقد نظروا في مجموعة واسعة من التقنيات، من الكاميرات القياسية التي تلتقط صوراً لعيون وخياشيم الأسماك إلى المستشعرات المتقدمة التي تكتشف الإشارات الكيميائية غير المرئية. ووجد الباحثون أنه بينما أصبحت الحواسيب بارعة بشكل ملحوظ في رصد التلف، فإن الطريق نحو الاستخدام في العالم الحقيقي ليس ببساطة تحقيق درجة عالية في اختبار. إن المقياس الحقيقي للنجاح، كما يجادلون، ليس فقط مدى قدرة النموذج على التنبؤ بالطراوة في مختبر محكوم، بل ما إذا كان بإمكانه القيام بذلك بموثوقية في مصنع مزدحم أو في متجر بقالة، باستخدام بيانات تعكس الواقع البيولوجي للغذاء حقاً.

بدأت المراجعة بتمحيص أكثر من ألف سجل علمي نُشر بين عامي 2021 و2026. وبعد إزالة المكررات وتصفية الدراسات التي لم تستخدم التعلم العميق أو اعتمدت على الاختبارات المدمرة، ركز الفريق على ثمانٍ وعشرين ورقة بحثية عالية الجودة. غطت هذه الدراسات مجموعة متنوعة من المأكولات البحرية، بما في ذلك الأسماك ذات الزعانف، والروبيان، والسرطان، والمحار. حدد الباحثون أربع طرق رئيسية "ترى" بها هذه الأنظمة الطراوة. الطريقة الأولى والأكثر سهولة في الوصول إليها تستخدم كاميرات قياسية (الأحمر والأخضر والأزرق)، تشبه تلك الموجودة في الهواتف الذكية، لتحليل التغييرات المرئية. تبحث هذه الأنظمة عن التحولات في اللون والملمس على جلد السمكة أو عينيها أو خياشيمها، والتي غالباً ما تصبح عكرة أو يتغير لونها مع فساد الحيوان. ويتضمن النهج الثاني علم الطيف، حيث تسلط المستشعرات الضوء على السمكة وتقيس كيفية امتصاص أو انعكاس الأطوال الموجية المختلفة من قبل الأنسجة. وهذا يسمح للحاسوب باكتشاف التغيرات الجزيئية، مثل تفكك البروتينات أو الدهون، التي تحدث قبل وقت طويل من ظهور سوء حالة السمكة للعين البشرية.

وتتضمن الفئة الثالثة مستشعرات ذكية تعمل مثل أنف أو لسان رقمي. تستخدم هذه الأجهزة شرائط كيميائية يتغير لونها عندما تتفاعل مع الغازات المنبعثة من الأسماك المتعفنة، مثل الأمونيا. ثم يقوم الكاميرا بقراءة هذه التغيرات في اللون وتغذية البيانات في برنامج حاسوبي. أما المجموعة الرابعة فتجمع بين هذه الأساليب، باستخدام الصور المرئية والإشارات الكيميائية معاً للحصول على صورة كاملة لحالة السمكة. وعبر هذه التقنيات المختلفة، كان الأداء المسجل مثيراً للإعجاب في كثير من الأحيان. ادعت العديد من الدراسات معدلات دقة تصنيف تتجاوز 95 بالمائة، مما يعني أن الحاسوب حدد بشكل صحيح ما إذا كانت السمكة طازجة أم فاسدة في كل حالة تقريباً. وأظهرت بعض الأنظمة التي تنبأت بقيم كيميائية محددة، مثل مستوى النيتروجين المتطاير، تطابقاً إحصائياً قوياً جداً مع القياسات المختبرية الفعلية.

ومع ذلك، يحذر المؤلفون من أن هذه الأرقام العالية لا تحكي سوى جزء من القصة. إن أحد النتائج الرئيسية للمراجعة هو أن العديد من الدراسات تعتمد على "تسميات" سهلة التخمين للغاية. على سبيل المثال، إذا تم تدريب حاسوب للتمييز بين سمكة خُزنت لمدة يوم واحد وسمكة خُزنت لمدة عشرة أيام، فقد يتعلم ببساطة التعرف على ظروف الإضاءة أو خلفية المختبر بدلاً من الحالة الفعلية للسمكة. وجدت المراجعة أن الدراسات التي ربطت تنبؤاتها ببيانات كيميائية صلبة، مثل تعداد البكتيريا الحية أو المستويات المحددة لنواتج التحلل الأيضي، قدمت أدلة أقوى بكثير على الفائدة في العالم الحقيقي. فعندما يتنبأ نموذج بقيمة كيميائية محددة بدلاً من مجرد وقت التخزين، فمن المرجح أنه يقيس العملية البيولوجية الفعلية للتحلل.

على الرغم من الدقة الواعدة، حدد الباحثون عقبات كبيرة قبل أن يمكن اعتماد هذه الأنظمة على نطاق واسع. كان الضعف الحاسم في معظم الدراسات التي تمت مراجعتها هو الافتقار إلى الاختبار المستقل. فقد تم اختبار العديد من الأنظمة فقط على نفس دفعة الأسماك، في نفس المختبر، وتحت نفس ظروف الإضاءة التي استُخدمت لتدريبها. هذا يشبه تعليم طالب لاجتياز اختبار من خلال إعطائه نفس الأسئلة التي سيراها في الامتحان تماماً؛ قد يحصل على درجة كاملة، لكنه لم يتعلم الموضوع حقاً. وجدت المراجعة أن عدداً قليلاً جداً من الدراسات اختبرت نماذجها على دفعات مختلفة من الأسماك، أو أنواع مختلفة، أو مواقع مختلفة. وبدون هذا النوع من التحقق الخارجي، من الصعب معرفة ما إذا كان النظام سيعمل عندما تتغير الظروف، مثل عندما تُعرض سمكة تحت أضواء متجر مختلفة أو بواسطة كاميرا مختلفة.

يكمن تحدٍ آخر في الفرق بين عمل نموذج حاسوبي من الناحية النظرية وعمل جهاز من الناحية العملية. فبينما اقترحت العديد من الدراسات أن أنظمتها يمكن وضعها على هاتف ذكي أو ذراع روبوتية، إلا أن عدداً قليلاً منها أثبت ذلك بالفعل. نجح عدد قليل من الباحثين في تشغيل برامجهم على أجهزة محمولة مثل أجهزة "راسبيري باي" أو الهواتف المحمولة، مما أظهر أن التكنولوجيا يمكن أن تكون سريعة وصغيرة بما يكفي للاستخدام الفعلي. حتى أن إحدى الدراسات أظهرت نظاماً روبوتياً يقوم بفرز الأسماك بناءً على طراوتها. ومع ذلك، تظل هذه العروض العملية استثناءً لا قاعدة. لا يزال معظم البحث عالقاً في مرحلة "إثبات المفهوم"، حيث ينصب التركيز على بناء نموذج يعمل في بيئة محكومة بدلاً من نموذج يمكنه التعامل مع فوضى سلسلة التوريد الحقيقية.

يخلص المؤلفون إلى أن المجال قد انتقل من مجرد التعرف على الصور إلى تكامل أكثر تعقيداً بين البيولوجيا والتكنولوجيا. فالأنظمة الأكثر نضجاً هي تلك التي تجمع بين أداة الاستشعار المناسبة وهدف بيولوجي واضح، مثل قياس مركب تحلل معين، ثم تختبر ذلك النظام بصرامة خارج المختبر. الدقة العالية وحدها لا تكفي لإعلان جاهزية التكنولوجيا للسوق. ولكي تتمكن هذه الأدوات من تغيير كيفية تعاملنا مع المأكولات البحرية حقاً، يجب أن تعطي الأبحاث المستقبلية الأولوية للاختبار على عينات متنوعة ومستقلة، وإثبات أن الأنظمة تعمل على الأجهزة الفعلية التي ستستخدمها في العالم الحقيقي. وحتى ذلك الحين، يظل الوعد بإجراء فحوصات فورية وغير مدمرة للطراوة إمكانية قوية بدلاً من كونها مشكلة محلولة، تنتظر الخطوة التالية من منصة المختبر إلى سوق الأسماك.