Yiyecek ve içeceklerimizi işleyen fabrikaların (flaş: hayır, doğrudan bir çiftlikten gelmiyor) çok temiz tutulması gerekiyor, yoksa hepimiz çok hastalanırdık. Bunu sağlamak genellikle petri kabına dayalı mikrobiyolojik izleme, donanım ve testlerin laboratuvarlardan dönmesini beklemeyi gerektirir. Yeni bir startup, bu süreci hızlandırmak için derin öğrenme algoritmalarını kullanmayı planlıyor.
Spore.Bio yeni bir patojen tespit metodolojisi geliştiren bir Fransız girişimidir. Temiz gıdanın bulunduğu yüzeylere optik bir ışık tutarak ve aynısını kirli gıda için de yaparak çalışır. Daha sonra bir yüzeyin temiz olmadığını tespit etmek için iki veri setini karşılaştırır.
Bu çözümün ardından şirket, Londra’daki LocalGlobe VC’nin öncülüğünde tohum öncesi fon olarak 8 milyon Euro topladı. Ayrıca EmergingTech Ventures, No Label Ventures, Famille C (Clarins Family Office), Better Angle, Plug&Play Ventures, Entrepreneur First, Kima Ventures, Raise Sherpas, Fair Equity, Sharpstone Capital ve Angels da katıldı.
CEO Amine Raji bir röportajda “Temel olarak, gerçekten şık bir anlık görüntü elde etmek için numuneye ışık gönderiyoruz” dedi. Daha önce Nestlé için çalışan Raji, startup’ı CTO Maxime Mistretta ve daha önce Gymlib’in kurucusu olan COO Mohamed Tazi ile birlikte kurdu.
Spore.Bio’nun ürettiği görüntüler çıplak gözle görülebileceklerin ötesinde okunuyor. “Bu anlık görüntüde bakterilerin spektral doğasını tanıyacak makine öğrenme modellerimiz var. Sistemimizin çalışmasını sağlamak için, bu devasa veri setini oluşturmak amacıyla sistemimizi, kontamine olmuş ve kontamine olmamış çok sayıda yiyecek ve içecek örneğiyle eğitmemiz gerekiyor. Bu bizim için çok büyük bir varlık. Bu yüzden dünyanın en büyük üreticilerinden bazılarıyla bazı sözleşmeler imzaladık.”
Spore.Bio henüz başlangıç aşamasında olan bir startup. Artış kısmen bu izleme işlemini daha kolay gerçekleştirecek bir cihaz üzerinde çalışmak için kullanılacak.
“Patojenleri doğrudan fabrikada anında tespit edebilen bir donanım cihazı üretiyoruz. Bu el tipi cihaz, kaliteli numune almayı kolaylaştırıyor ve fabrikadaki potansiyel bakteriler hakkında neredeyse gerçek zamanlı bilgiler sağlıyor,” diye iddia etti Raji.
Lazer kullandığını söyledi: “Teknolojimiz UV-Kızılötesi aralığında belirli dalga boylarında ışık gönderiyor. Bakteriler bu uyarılmaya belirli bir şekilde tepki veriyor ve biz bilgisayarlı görüşümüzü ve kemometrik modellerimizi bu spektral imzayı tanıyacak şekilde eğitiyoruz.”
Ancak daha fazla açıklama yapmak için burada durdu: “Donanım gelişmiş fotonik teknolojilere dayanıyor. Şu anda teknolojimizin patentini alıyoruz, bu yüzden daha fazla açıklayamayız” diye ekledi.
Herhangi bir donanımda olduğu gibi, özellikle de henüz gerçek cihazlara yerleştirilmemiş fikirlerde, cihazın bir ürün olarak gün ışığına çıkmasını ummadan önce bir takım adımların atılması gerekecek.
Bunun bir kısmı, gıda üretimiyle ilgili mevcut, dar düzenlemelerde gezinmeyi içerecektir. Avrupa’da gıda üreticileri şu kurallara uymak zorundadır:Genel Gıda Kanunu”.
Ayrı olarak, herhangi bir yeni test ürününün gıda endüstrisine girmesinin 12 ila 18 ay sürebileceği anlamına gelen bağımsız bir sertifika vardır (ISO 16140 – Besin zincirinin mikrobiyolojisi).
Raji, “Bu sertifikayı almak için sertifikasyon kuruluşlarıyla zaten çalışıyoruz, ancak ticarileştirmeye başlamak için bu zorunlu değil” dedi. Ürünün mümkün olduğunca doğru tespit edilmesini sağlamak için “sıkı bir test ve geliştirme sürecinden” geçtiğini ekledi. Fabrikadaki bakteri ve patojenler.
Ancak bazı aksama fırsatlarının da olduğu açıktır. Fabrikalar, hiçbir bakteri veya patojenin bulunmadığından emin olmak için ürünleri düzenli olarak test etmelidir, ancak bakteri testi teknolojisi on yıllardır gelişmemiştir. Şu anda numunelerin saha dışındaki laboratuvarlara gönderilmesi gerekiyor; test edilmesi beş ila 20 gün sürebiliyor, bu da karar verme sürecini yavaşlatıyor ve sorunların hızlı bir şekilde düzeltilmesini engelliyor. Ve bu gecikmenin bir de maliyeti var.
Spore.Bio, çözümünün eninde sonunda neredeyse gerçek zamanlı olarak çalışacağını iddia ediyor. Bunun sonuçları, bir mutfak robotunun daha az aksama süresiyle sonuçlanacağı yönündedir. Bu da önemli çünkü Deloitte’un araştırmasına göre, küresel yiyecek ve içecek işleme endüstrisinin aksama süresinin tek başına maliyeti şu kadar: tahmini yıllık 50 milyar dolar civarında olacak. (Elbette Deloitte’un oyunda bir miktar görünümü var, bu yüzden büyük sayısına biraz ihtiyatlı yaklaşın.)
Ürün şu anda yayında olmasa da Raji, ilk prototipleri için bir “bekleme listesi” bulunduğunu ve bunların önümüzdeki yıl küresel olarak müşterilerin sitelerine dağıtılmasını umduklarını söyledi.
Rakipler arasında ABD merkezli PatojenDX hangisi kabarık Diğer çeşitli çözümleri için 11,6 milyon dolar.