���ʵ���

Aalto-yliopiston tutkijat ovat kehittäneet reaaliaikaisen optisen menetelmän pinnoilla olevien bakteerien ja lian tunnistamiseksi. AutoDet-menetelmä (automatic biological contamination detection) on hyödyllinen terveydenhuollossa ja julkisissa tiloissa esimerkiksi tilojen puhtauden varmistamiseen norovirusepidemian tai flunssakauden aikana tai leikkaussalivälineistön steriiliyden takaamiseen ennen operaatiota.

”Nykyiset pintojen puhtautta todentavat laitteet ovat hitaita ja vaativat koulutetun operaattorin. Pystymme uuden menetelmän avulla visualisoimaan reaaliaikaisesti lian esimerkiksi lentokentällä tai risteilyaluksella. Potilaat voivat sen avulla myös ennen leikkausta varmistaa, että leikkaussali ja sen välineistö ovat puhtaita, sanoo Akatemian tutkija-tohtori Juha Koivisto.

Hyperspektrikuvantamisen avulla kerätään mahdollisimman paljon dataa tuhansista eri mittauspisteistä koko sähkömagneettisen spektrin alueelta. Siinä missä tavallinen kamera tallentaa vain ihmissilmälle näkyvän punaisen, sinisen ja vihreän värin, hyperspektrikuvantaminen mahdollistaa satojen värien tallentamisen.

Tekoäly taas auttaa tunnistamaan kuvatussa aineksessa elävät organismit, kuten sormenjäljestä jääneet bakteerit ja lika, epäorgaanisesta, esimerkiksi teräspinnasta. Data-analyysin parissa työskentelee erityisesti Helsingin yliopiston luonnontieteiden opiskelija Eelis Mielonen.

”Tarvittava sensoriteknologia alkaa olla jo riittävän herkkää ja pian edullistakin. Muutaman vuoden päästä hyperspektrikameran voi saada jo sovelluksena kännykkäänkin”, sanoo kaupallistamisasiantuntija Pasi Karppinen.

Nyt käydään kilpajuoksua siitä, kuka tuo ensimmäisenä kaupallisesti merkittävän laitteen markkinoille. Kehitysvaiheessa laite on kameran ja tietokoneen yhdistelmä.

Dataan perustuva siivous tuo säästöjä

Siivousalan kaksi suurinta trendiä ovat tällä hetkellä automatisointi ja ekologiset siivoustavat. Automatisointi voi arvioiden mukaan tuoda siivousalalle 10 prosentin säästöt, kun taas ympäristöystävällinen siivous voi tarkoittaa esimerkiksi miedompien pesuaineiden käyttämistä.

AutoDetin ansiosta siivous voidaan tilata aitoon tarpeeseen aikataulutetun siivouksen sijasta.

”Toisissa tiloissa siivous kolme kertaa viikossa on liian usein, toisissa se on liian harvoin. Uuden likaa tunnistavan menetelmän avulla siivoajat voivat siivota siellä, missä on oikeasti likaista ja käyttää juuri sopivan tehokasta pesuainetta. Samalla tilaajalle ja loppukäyttäjälle voidaan osoittaa siivouksen taso”, sanoo Juha Koivisto.

Desinfiointiaineiden turhaa käyttöä pitäisi kuitenkin välttää, koska ne vaikuttavat superbakteerien syntymiseen ja allergioiden yleistymiseen. Kuvantamisen avulla voidaan löytää myös mahdolliset kemikaalijäämät siivouksen jäljiltä.

”Olemme käyttäneet kolibakteeria tyyppibakteerina erotellaksemme bakteerit pölystä. Jatkossa on tavoitteena kehittää niin herkkä laite, että se pystyy erottamaan eri bakteerit toisistaan, esimerkiksi taudinaiheuttajat harmittomista bakteereista”, sanoo Juha Koivisto.

AutoDetiä voidaan hyödyntää myös ruokateollisuudessa esimerkiksi varmistamaan, että vaikkapa teurastamoissa, einestehtailla, kaupan tuoretiskillä ja kasvihuoneessa on puhdasta.

AutoDet-hanke sai alkunsa Industryhackin ja Lassila & Tikanojan keväällä 2017 yhdessä järjestämästä hackathonista, jossa Juha Koivisto ja Pasi Karppinen voittivat Hacker’s choice -palkinnon. Vuoden 2018 alussa AutoDet sai projektin kaupallistamiseen Business Finlandin, silloisen Tekesin, rahoituksen.

������ä�پ���ٴDz�:

Juha Koivisto
Akatemian tutkijatohtori
Aalto-yliopisto
juha.koivisto@aalto.fi
puh. 050 435 5618