افزایش کیفیت غذا و قابلیت ردیابی از طریق ادغام حسگرهای زیستی و فناوری بلاک چین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه کالینگا، رایپور، هند.

2 گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه کالینگا، رایپور، هند

چکیده

هدف: آلودگی مواد غذایی و ضایعات مواد غذایی به طور قابل توجهی در افزایش بروز بیماری های ناشی از غذا و کمبود مواد غذایی در سطح جهان نقش داشته است. یک ضرورت مبرم برای ایجاد یک سیستم ردیابی مواد غذایی هوشمندتر وجود دارد. پیشرفت های اخیر در فناوری حسگر زیستی (BS) منجر به توسعه BS های کاربرپسند، سریع، خاص، بسیار حساس و مقرون به صرفه شده است. این پیشرفت‌ها دارای پتانسیل قابل توجهی در رسیدگی به نیاز فوری به تشخیص و درمان سریع مسائل مربوط به امنیت غذایی و کنترل کیفیت هستند که معمولاً به عنوان فناوری‌های نقطه مراقبت از آن یاد می‌شود. بلاک چین (BC) یک رکورد غیرقابل تغییر و به راحتی قابل مشاهده ارائه می‌دهد که مزایایی را در قابلیت ردیابی کیفیت غذای تازه و نظارت بر آن در زمان واقعی به ارمغان می آورد.
نتایج: این مقاله به بررسی ارتباط بین قبل از میلاد، قابلیت ردیابی و نظارت بر کیفیت غذا در زمان واقعی می‌پردازد. این آخرین پیشرفت‌های فناوری در ردیابی مواد غذایی و نظارت مستمر را نشان می‌دهد که می‌تواند داده‌های ارزشمندی را برای اجرای BC ارائه دهد. بحث بر روی استفاده از BSs در کشاورزی در مرحله قبل از برداشت برای شناسایی و مدیریت بیماری‌ها یا تنش‌های گیاهی در مرحله اولیه متمرکز است.
نتیجه‌گیری: این بررسی بر پیشرفت اخیر در BSs در زنجیره تامین غذا (FSC)، به ویژه در مرحله پس از برداشت تمرکز دارد. این پیشرفت ها در تشخیص انواع مختلف آلاینده‌های غذایی و توسعه بسته بندی هوشمند مواد غذایی را برجسته می‌کند.

کلیدواژه‌ها

عنوان مقاله [English]

Enhancing food quality and traceability through the integration of biosensors and blockchain technology

نویسندگان [English]

  • Abhijeet Madhukar Haval 1
  • Md Afzal 2
1 , Department of CS & IT, Kalinga University, Raipur, India.
2 Department of CS & IT, Kalinga University, Raipur, India.
چکیده [English]

Objective
Food contamination and food waste have contributed significantly to the rising incidence of foodborne illnesses and food scarcity globally. There is a pressing necessity to create a more intelligent food traceability system. Recent breakthroughs in biosensor (BS) technology have resulted in the development of user-friendly, fast, specific, highly sensitive, and affordable BSs. These improvements hold significant potential in addressing the urgent need for on-site and prompt detection and treatment of food security and quality control issues, commonly referred to as point-of-care technologies. Blockchain (BC) offers an unchangeable and easily visible record that brings benefits in the traceability of fresh food quality and the real-time monitoring of it.
 
Results
This paper explores the correlation between BC, traceability, and real-time food quality monitoring. It highlights the latest technological advancements in food tracing and continuous surveillance that can offer valuable data for BC implementation. The discussion focuses on using BSs in farming at the pre-harvest phase to identify and manage plant diseases or stresses at an early phase. 
 
 
 
 
Conclusions
This article focuses on the recent progress in BSs within the Food Supply Chain (FSC), specifically in the post-harvest phase. It highlights the advancements in detecting various types of food pollutants and the development of intelligent food packaging.

کلیدواژه‌ها [English]

  • Biosensors
  • blockchain
  • food quality
  • traceability

مراجع

Balkir P, Kemahlioglu K, Yucel U (2021) Foodomics: A new approach in food quality and safety. Trends Food Sci Technol 108, 49-57.
Bankole OE, Verma DK, Gonzalez MLC, et al. (2022) Recent trends and technical advancements in biosensors and their emerging applications in food and bioscience. Food Biosci 47, e101695.
Ben-Daya M, Hassini E, Bahroun Z, Banimfreg BH (2020) The role of Internet of Things in food supply chain quality management: A review. Qual Manag J 28(1), 17-40.
Bobir AO, Askariy M, Otabek YY, et al. (2024) Utilizing Deep Learning and the Internet of Things to Monitor the Health of Aquatic Ecosystems to Conserve Biodiversity. Nat Eng Sci 9(1), 72-83.
Burgess P, Sunmola F, Wertheim-Heck S (2022) Blockchain-enabled quality management in short food supply chains. Procedia Comput Sci 200, 904-913.
Chen F, Zhang M, Yang CH (2020) Application of ultrasound technology in processing of ready-to-eat fresh food: A review. Ultrason Sonochem 63, e104953.
Dessy A, Ratna D, Leni S, et al. (2023) Using Distance Measure to Perform Optimal Mapping with the K-Medoids Method on Medicinal Plants, Aromatics, and Spices Export. J Wirel Mob Netw Ubiquitous Comput Dependable Appl 14(3), 103-111.
Ghotbaldini H, Mohammadabadi M, Nezamabadi-pour H, et al. (2019) Predicting breeding value of body weight at 6-month age using Artificial Neural Networks in Kermani sheep breed. Acta Scientiarum Anim Sci 41, e45282.
Hua Z, Yu T, Liu D, Xianyu Y (2021) Recent advances in gold nanoparticle-based biosensors for food safety detection. Biosens Bioelectron 179, e113076.
Islam S, Cullen JM (2021) Food traceability: A generic theoretical framework. Food Cont 123, e107848.
Jin C, Bouzembrak Y, Zhou J, et al. (2020) Big Data in food safety-A review. Curr Opin Food Sci 36, 24-32.
Kakkar S, Gupta P, Kumar N, Kant K (2023) Progress in fluorescence biosensing and food safety towards point-of-detection (pod) system. Biosens 13(2), e249.
Mohammadabadi M, Kheyrodin H, Afanasenko V, et al. (2024) The role of artificial intelligence in genomics. Agric Biotechnol J 16(2), 195-279.
Mumtaj Begum H (2022) Scientometric analysis of the research paper output on artificial intelligence: A Study. Indian J Inf Sources Serv 12(1), 52–58.
Nair JG, Raja S, Devapattabiraman P (2019) A scientometric assessment of renewable biomass research output in India. Indian J Inf Sources Serv 9(S1), 72–76.
Nunes EW, Silva MK, Rascón J, et al. (2022) Acetylcholinesterase biosensor based on functionalized renewable carbon platform for detection of carbaryl in food. Biosens 12(7), e486.
Ozgür E, Saylan Y, Akgönüllü S, Denizli A (2022) Mass-Sensitive Based Biosensors. In Biosens, CRC Press, 89-104.
Ozyılmaz G, Dönmez M, Üstükarcı H (2022) The Effect of Enzyme and Sonicator Application of Biochemical Properties of Raw and Ripe Myrtus communis L. Juice. Nat Eng Sci 7(3), 271-283.
Pour Hamidi S, Mohammadabadi MR, Asadi Foozi M, Nezamabadi-Pour H (2017) Prediction of breeding values for the milk production trait in Iranian Holstein cows applying artificial neural networks. J Livest Sci Technol 5(2), 53-61.
Qian J, Ruiz-Garcia L, Fan B, et al. (2020) Food traceability system from governmental, corporate, and consumer perspectives in the European Union and China: A comparative review. Trends Food Sci Technol 99, 402-412.
Rizou M, Galanakis IM, Aldawoud TM, Galanakis CM (2020) Safety of foods, food supply chain, and environment within the COVID-19 pandemic. Trends Food Sci Technol 102, 293-299.
Sahni V, Srivastava S, Khan R (2021) Modeling techniques to improve the quality of food using artificial intelligence. J Food Qual 2021(1), e2140010.
Surendar A, Saravanakumar V, Sindhu S, Arvinth N (2024) A Bibliometric Study of Publication- Citations in a Range of Journal Articles. Indian J Inf Sources Serv 14(2), 97-103.
Xing G, Ai J, Wang N, Pu Q (2022) Recent progress of smartphone-assisted microfluidic sensors for point of care testing. TrAC Trends Anal Chem 157, e116792.
Xiong JE, Li S, Li Y, et al. (2020) Fluorescent aptamer-polyethylene glycol functionalized graphene oxide biosensor for profenofos detection in food. Chem Res Chin Univ 36(5), 787-794.
Yu Z, Jung D, Park S, et al. (2022) Smart traceability for food safety. Crit Rev Food Sci Nutr 62(4), 905-916.
Zheng S, Yang Q, Yang H, et al. (2023). An ultrasensitive and specific ratiometric electrochemical biosensor based on SRCA-CRISPR/Cas12a system for detection of Salmonella in food. Food Cont 146, e109528.
مجله بیوتکنولوژی کشاورزی
دوره 16، شماره 3
مهر 1403
صفحه 301-316

فایل ها

هم رسانی

ارجاع به این مقاله

آمار