Epsilon Archive for Student Projects

Abstract

Det finns stor individvariation i hur människor uppfattar olika dofter, som till stor del beror på medfödda genetiska skillnader, kön och ålder. Covid-19-pandemin har dessutom medfört att flera människor än tidigare lider av olfaktorisk dysfunktion. Dessa faktorer kan innebära svårigheter i bedömningen av om något luktar normalt eller avvikande, inte minst inom den officiella kont-rollen i Sverige där besiktning av slaktkroppar sker. Därmed finns incitament för att försöka digi-talisera luktbedömningen av slaktkroppar för att på så sätt likrikta och effektivisera den officiella kontrollen. Examensarbetets syfte var att utvärdera funktion, handhavande och träffsäkerhet hos en nyutvecklad portabel elektronisk näsa (E-näsa) baserad på kommersiellt tillgängliga komponenter. Frågeställningen var huruvida E-näsan kunde tränas upp med hjälp av artificiell intelligens (AI) och därefter känna igen normaldoft på slaktkroppar av nötkreatur och att utvärdera hur väl tekni-ken fungerar i praktiken. En AI-modell tränades upp genom provtagning av cirka tusen normal-doftande slaktkroppar av nötkreatur på ett svenskt nötslakteri och därefter testades modellens praktiska förmåga att identifiera olika kategorier av slaktkroppar av nöt och att skilja dessa från provtagningar av miljö samt från slaktkroppar av lamm. Den totala träffsäkerheten för E-näsans AI-modell avseende att klassificera prover korrekt beräknades till 36 %. Insamlade data användes dessutom för statistisk analys av uppmätta sensorvärden hos E-näsan för att undersöka om signi-fikanta skillnader fanns mellan de olika provtagna kategorierna. Den statistiska analysen (multi-nomial regressionsmodell med Tukeys metod) visar på signifikanta skillnader i uppmätta sensor-värden mellan nästan samtliga kategorier av slaktkroppar av nötkreatur, bakgrundsmätningar och jämförelsen mellan lamm och nötkreatur. Slutsatsen är att det finns förmåga hos E-näsans sensorer att känna av skillnader mellan olika slaktkroppar av nötkreatur, bakgrundsmätningar och slakt-kroppar av lamm, men att det krävs mer data för att träna upp en AI-modell som ger hög träff-säkerhet innan E-näsan har förmåga att användas i praktiken.

There is significant individual variation in how people perceive different odors, largely due to innate genetic differences, gender, and age. The COVID-19 pandemic has also resulted in more people suffering from olfactory dysfunction than before. These factors can pose challenges in assessing whether something smells normal or abnormal, especially in the official inspections in Sweden, where carcasses are examined. Therefore, there is an incentive to try to digitalize the odor assessment of carcasses to standardize and streamline official inspections. The aim of this thesis was to evaluate the functionality, handling, and accuracy of a newly developed portable electronic nose (E-nose) based on commercially available components. The research question was whether the E-nose could be trained using artificial intelligence (AI) to recognize the normal scent of cattle carcasses and to evaluate how well the technology works in practice. An AI model was trained using samples from approximately one thousand normal-smelling cattle carcasses at a Swedish cattle slaughterhouse, and the model's practical ability to identify different categories of cattle carcasses and distinguish them from environmental samples and lamb carcasses was tested. The overall accuracy of the E-nose in correctly classifying samples was calculated to be 36%. The collected data was also used for statistical analysis of the measured sensor values from the E-nose to investigate if there were significant differences between the various sample categories. The statistical analysis (multinomial regression model with Tukey's method) shows significant differences in the measured sensor values between almost all categories of cattle carcasses, back-ground measurements, and the comparison between lamb and cattle. The conclusion is that the E-nose’s sensors can detect differences between various cattle carcasses, background measurements, and lamb carcasses, but more data is needed to train an AI model that provides high accuracy before the E-nose can be used in practice.