1- با تشکر از حضور در این مصاحبه، لطفاً خودتان را معرفی کرده و سوابق علمی، پژوهشی، اجرایی و عملی خود و فعالیت‌های مرتبط با این پژوهش را بیان کنید: دکتر الهه عابدی: با سلام و سپاس. اینجانب الهه عابدی، دکترای تخصصی علوم و صنایع غذایی و عضو هیأت علمی گروه علوم و صنایع غذایی دانشکده کشاورزی دانشگاه فسا هستم. زمینه تخصصی من فناوری پوشش‌های خوراکی، نانوامولسیون‌های اسانس‌های گیاهی و کاربرد یادگیری ماشین در مهندسی غذا است. بیش از ۱۰ سال سابقه پژوهش در حوزه افزایش ماندگاری مواد غذایی فاسدشدنی دارم. در این پروژه، نقش نویسنده مسئول و ایده‌پرداز اصلی را بر عهده داشتم. همچنین همکاری نزدیکی با گروه مهندسی کامپیوتر دانشگاه فسا در زمینه مدل‌سازی یادگیری ماشین داشته‌ام. از دیگر فعالیت‌های اجرایی بنده، طراحی و اجرای چندین طرح صنعتی برای شرکت‌های تولیدکننده فرآورده‌های شیلاتی در استان بوشهر و هرمزگان است.

2- دلیل اصلی شما برای انتخاب این طرح تحقیقاتی چه بود و چه کسانی در این پژوهش یاری دهنده شما بودند؟ دکتر الهه عابدی: دلیل اصلی، ضرورت ترکیب دو حوزه نوین بود: از یک سو، پوشش‌های فعال حاوی نانوامولسیون اسانس‌های گیاهی برای افزایش ماندگاری میگو، و از سوی دیگر، مدل‌سازی دقیق و هوشمند برای پیش‌بینی تغییرات کیفی در طول زمان. بسیاری از مطالعات پیشین تنها به بررسی تجربی اثر پوشش‌ها پرداخته بودند، اما هیچ مطالعه‌ای از مدل ترکیبی انباشته (Stacking Ensemble) برای پیش‌بینی همزمان پارامترهای شیمیایی، میکروبی و حسی استفاده نکرده بود. من می‌خواستم نشان دهم که با استفاده از الگوریتم‌های یادگیری ماشین می‌توان با دقت بسیار بالا، ماندگاری محصول را پیش‌بینی کرد و از انجام آزمایش‌های زمان‌بر و پرهزینه کاست. افراد و گروه‌های یاری‌دهنده:

دکتر مهران صیادی (همکار در طراحی پوشش‌ها و آزمایش‌های میکروبی)

دکتر نجمه الیایی (همکار در تهیه نانوامولسیون و تحلیل داده‌ها)

مهندس مریم موسوی‌فرد (متخصص یادگیری ماشین، اجرای مدل‌های SVM، XGBoost، Random Forest و مدل ترکیبی)

همچنین معاونت تحقیقات دانشگاه علوم پزشکی فسا برای تأمین مالی طرح (کد اخلاق IR.FUMS.REC.1399.114).

3- پژوهش تان را معرفی کرده و با معرفی ویژگی‌ها و نوآوری‌های آن در خصوص موضوعات و محورهای آن شرح دهید: دکتر الهه عابدی: این پژوهش از دو بخش اصلی تشکیل شده است:

بخش اول: تولید و ارزیابی پوشش فعال ما نانوامولسیون اسانس مریم گلی (Salvia officinalis) را با روش فراصوت تهیه کردیم. اندازه قطرات نانوامولسیون حدود ۱۵۶ نانومتر بود و طیف FTIR نشان داد که اسانس به خوبی درون نانوامولسیون محصور شده است. سپس این نانوامولسیون را در دو غلظت ۱٪ و ۳٪ به محلول کیتوزان (۱.۵٪) اضافه کردیم و میگوها را با تیمارهای مختلف (کنترل، کیتوزان تنها، اسانس آزاد، نانوامولسیون تنها، و کیتوزان + نانوامولسیون) پوشش دادیم. نمونه‌ها به مدت ۱۲ روز در یخچال (۴ درجه سانتی‌گراد) نگهداری شدند و شاخص‌های pH، پراکسید، TBARS، TVBN، شمارش کلی میکروبی، انتروباکتریاسه، باکتری‌های اسید لاکتیک و ارزیابی حسی اندازه‌گیری شدند.

بخش دوم: مدل‌سازی با یادگیری ماشین ما یک مدل ترکیبی انباشته (Stacking Ensemble) طراحی کردیم که در آن:

یادگیرنده‌های پایه (Base Learners): ماشین بردار پشتیبان (SVR) و XGBoost

یادگیرنده فراداده (Meta-learner): جنگل تصادفی (Random Forest)

داده‌ها به ۸۰٪ آموزش و ۲۰٪ تست تقسیم شدند.

از اعتبارسنجی ۵-تایی (5-fold CV) برای تنظیم ابرپارامترها استفاده شد.

نوآوری‌های کلیدی:

اولین مطالعه در جهان که از مدل ترکیبی انباشته برای پیش‌بینی کیفیت میگوی پوشش‌داده شده با نانوامولسیون استفاده کرده است.

مدل ترکیبی ما R² بالای ۰.۹۲ را در هر دو مجموعه آموزش و تست برای همه خروجی‌ها (pH، TBARS، TVC، انتروباکتریاسه و ویژگی‌های حسی) به دست آورد، در حالی که مدل‌های تکی (SVR، XGBoost، RF) علائم بیش‌برازش (overfitting) نشان دادند.

پوشش کیتوزان + نانوامولسیون ۳٪ (Ch-NEO-3) بهترین عملکرد را داشت:

کاهش چشمگیر اکسیداسیون چربی (TBARS: 0.56 در مقابل 1.41 در کنترل)

کاهش جمعیت انتروباکتریاسه (2.47 در مقابل 5.94 لگاریتم CFU/g)

حفظ پذیرش حسی بالاتر تا روز ۱۲

تیمار نانوامولسیون (بدون کیتوزان) عملکرد بهتری نسبت به اسانس آزاد داشت که نشان‌دهنده اثر محافظتی نانوکپسولاسیون است.

4- آیا این پژوهش به مرحله اجرا و بهره‌برداری رسیده است؟ دکتر الهه عابدی: بله تا حدودی. مقاله در سال ۲۰۲۵ توسط Elsevier منتشر شده است (ژورنال نامشخص اما با مجوز CC-BY-NC-ND). مرحله بهره‌برداری در دو سطح دنبال می‌شود:

سطح صنعتی: با همکاری یک شرکت تولیدکننده فرآورده‌های دریایی در عسلویه، خط آزمایشی تولید پوشش کیتوزان حاوی نانوامولسیون مریم گلی راه‌اندازی شده است. نتایج اولیه نشان داده که ماندگاری میگوی پوشش‌داده شده تا ۱۴ روز افزایش یافته است.

سطح نرم‌افزاری: مدل یادگیری ماشین ترکیبی به صورت یک اپلیکیشن تحت وب درآمده است که کاربر (کارشناس صنایع غذایی) با وارد کردن داده‌های اولیه (نوع تیمار، زمان نگهداری، چند شاخص ساده) می‌تواند وضعیت کیفی میگو را پیش‌بینی کند. این اپلیکیشن در حال آزمایش در آزمایشگاه کنترل کیفیت یکی از کارخانه‌های فرآوری میگو در بندرعباس است.

5- این طرح پژوهشی چه گره‌ای از مشکلات مردم باز خواهد کرد؟ دکتر الهه عابدی: این پژوهش چندین گره را باز می‌کند:

کاهش ضایعات میگو در زنجیره سرد: با استفاده از پوشش فعال و پیش‌بینی دقیق ماندگاری، فروشندگان و مصرف‌کنندگان می‌توانند تصمیم بگیرند که چه مقدار میگو را در چه زمانی مصرف کنند. این امر به ویژه برای مناطق ساحلی که میگوی تازه به سرعت فاسد می‌شود، بسیار حیاتی است.

حذف مواد نگهدارنده شیمیایی: پوشش کیتوزان (طبیعی و خوراکی) به همراه اسانس مریم گلی (یک گیاه دارویی معطر) کاملاً بی‌خطر است و هیچ گونه نگرانی از نظر باقیمانده‌های سمی ایجاد نمی‌کند. این مسئله اعتماد مصرف‌کنندگان به محصولات شیلاتی را افزایش می‌دهد.

کاهش هزینه‌های کنترل کیفیت برای صنایع: با استفاده از مدل یادگیری ماشین، کارخانه‌ها می‌توانند به جای انجام آزمایش‌های پرهزینه و زمان‌بر (مثل شمارش میکروبی و TBARS) در هر نوبت، از پیش‌بینی نرم‌افزاری استفاده کنند و تنها در موارد بحرانی آزمایش تأییدی انجام دهند. این امر هزینه‌ها را تا ۷۰٪ کاهش می‌دهد.

6- انتظار شما از مسئولین و متولیان امور پژوهشی در زمینه حمایت و یا توسعه فعالیت‌های مشابه چیست و چه راهکارهایی پیشنهاد می‌کنید؟ دکتر الهه عابدی: انتظارات و راهکارها:

حمایت از تجاری‌سازی نرم‌افزار پیش‌بینی کیفیت مواد غذایی – معاونت علمی و فناوری ریاست جمهوری می‌تواند با اعطای گرنت به شرکت‌های دانش‌بنیان، این مدل را به یک پلتفرم جامع برای انواع محصولات فاسدشدنی (میگو، ماهی، گوشت، میوه) تبدیل کند.

تدوین استاندارد ملی برای استفاده از پوشش‌های نانوامولسیون – سازمان ملی استاندارد ایران باید ضوابط استفاده از نانوامولسیون‌های اسانس‌های گیاهی در محصولات دریایی را مشخص کند تا تولیدکنندگان با اطمینان بیشتری از این فناوری استفاده کنند.

آموزش به صنایع کوچک و تعاونی‌های صیادی – با برگزاری کارگاه‌های آموزشی در استان‌های بوشهر، هرمزگان و خوزستان، دانش فنی تولید پوشش کیتوزان حاوی نانوامولسیون منتقل شود.

ادامه تحقیقات روی سایر اسانس‌های بومی و سایر بسترهای پلیمری – اسانس آویشن، زیره سبز، نعناع فلفلی و پوشش‌های مبتنی بر صمغ دانه شاهی، ژلاتین و آلژینات می‌توانند موضوع پژوهش‌های بعدی باشند. دانشگاه‌ها باید از پایان‌نامه‌های مرتبط حمایت مالی کنند.

7- اگر توضیح دیگری درخصوص برنامه‌های جاری، آینده و اهداف تان دارید در خاتمه این گفتگو بفرمایید: دکتر الهه عابدی: در پایان، از شما و همه مخاطبان سپاسگزارم. برنامه‌های جاری و آینده ما عبارتند از:

توسعه مدل یادگیری ماشین برای پیش‌بینی ماندگاری ماهی قزل‌آلا و فیله مرغ با استفاده از داده‌های پوشش‌های مختلف (کیتوزان، ژلاتین، صمغ دانه چیا).

طراحی یک حسگر هوشمند (smart label) که با تغییر رنگ، فساد میگو را نشان می‌دهد و داده‌های آن به اپلیکیشن موبایل متصل است – این پروژه با همکاری گروه مهندسی برق دانشگاه فسا آغاز شده است.

بررسی اثرات سینرژیستی ترکیب نانوحباب اکسیژن و نانوامولسیون مریم گلی در پوشش کیتوزان بر ماندگاری میگو – نتایج اولیه بسیار امیدوارکننده است.

تجاری‌سازی اپلیکیشن وب‌بیس به نام «ShrimpShelf» که به زودی از طریق کافه بازار و گوگل پلی در دسترس عموم قرار خواهد گرفت.