Digitální čich: AI senzory pro kvalitu potravin i farmy

V potravinářství se pořád dokola řeší totéž: jak poznat problém dřív, než se projeví v chuti, vůni a reklamaci. Laboratoř je přesná, ale pomalá. Lidský panel je drahý a proměnlivý. A když jde o šarže esenciálních olejů, koření, kávy nebo aromatických extraktů, stačí malá odchylka a je z toho nákladný průšvih.

Právě tady začíná být zajímavý trend, který se v roce 2025 rychle šíří napříč food technologií: „digitální čich“ – kombinace biosenzorů a umělé inteligence, která má dokázat vůni změřit, kvantifikovat a přeložit do čísel. Startup Scentian Bio na sebe už v roce 2023 upozornil seed investicí 2,1 milionu dolarů s tvrzením, že umí „virtualizovat“ čichové receptory hmyzu a díky AI interpretovat pachové signály extrémně citlivě. A i když kolem detailů technologie zůstávají otazníky, směr je jasný: vůně a kvalita se budou řídit daty.

Z pohledu naší série Umělá inteligence v zemědělství a potravinářství je tohle víc než zajímavost. Digitální čich je další článek řetězce, který propojuje monitoring surovin, řízení výroby, sledovatelnost a časem i farmářskou praxi – třeba včasné odhalení plísní ve skladu nebo zkažené suroviny ještě před vstupem do výroby.

Co je „digitální čich“ a proč se firmy snaží, aby AI uměla cítit

Digitální čich je senzorický systém, který převádí těkavé organické látky (VOC) na měřitelný signál a pomocí AI ho klasifikuje. V praxi to znamená, že místo „voní jako minulá šarže“ dostanete třeba skóre shody 0–100, odchylku od referenčního profilu a pravděpodobnou příčinu.

Klasické elektronické nosy existují roky (typicky pole senzorů reagujících na plyny), ale naráží na tři limity:

1. Selektivita – některé senzory reagují na více látek podobně.
2. Drift – citlivost se časem mění, potřebujete kalibraci.
3. Přenositelnost modelu – model natrénovaný v jedné hale nemusí fungovat v jiné (jiná vlhkost, teplota, pozadí).

Nová vlna firem tvrdí, že to řeší bio-inspirací (receptory, bílkoviny, buněčné linie) a hlavně lepší interpretací dat přes strojové učení. Upřímně: hardware je jen půlka příběhu. Skutečná hodnota je v tom, jak spolehlivě AI pozná, co je „OK“ a co už je riziko.

Proč se všichni dívají na hmyzí receptory (a co tvrdí Scentian)

Hmyz je v detekci pachů brutálně efektivní. Nepotřebuje složitou laboratorní aparaturu, přesto najde potravu, feromony nebo nebezpečí na velké vzdálenosti. Scentian Bio staví svůj příběh na tom, že dokáže pracovat s insect olfactory receptors (iOR) a jejich signál „virtualizovat“ – tedy vytvořit digitální reprezentaci odezvy, kterou AI interpretuje podobně, jako to dělá neuronální síť v těle hmyzu.

Firma v roce 2023 oznámila seed investici 2,1 milionu USD, se zapojením investorů jako Finistere Ventures a Toyota Ventures (a s dřívější podporou nadace Gatesových). Důležitější než částka je signál trhu: investoři chtějí technologie, které zrychlí kontrolu kvality a sníží odpad.

Scentian zároveň tvrdí dvě věci, které znějí bombasticky:

• senzory mají být až 1000× citlivější než psí čich,
• díky „desítkám unikátních receptorů“ mají rozpoznat „miliony“ VOC profilů.

Tady bych byl opatrný. Marketingové věty často míchají citlivost (limit detekce), selektivitu (rozlišení látek) a praktickou použitelnost (stabilita, kalibrace, rušení). Pro potravinářství je nakonec podstatné, jestli to spolehlivě rozliší šarži A vs. šarži B, jestli to funguje v reálném provozu a jestli z toho jde udělat auditovatelný proces.

Elektronický nos vs. „biosenzor s AI“: rozdíl může být menší, než zní

Část skepticismu z původní zprávy je na místě: bez technických detailů může „hmyzí receptory“ znamenat jak skutečný biologický prvek, tak jen metaforu pro velmi citlivé senzorové pole.

Pro uživatele (QA manažer, technolog, nákup surovin) ale není klíčové, jak poeticky se to nazývá. Klíčové jsou tři parametry:

• reprodukovatelnost (stejný výsledek pro stejný vzorek),
• robustnost (vlhkost/teplota/pozadí),
• vysvětlitelnost (proč AI rozhodla, že je šarže mimo).

Kde dává digitální čich největší smysl: kontrola kvality, sklad a příjem surovin

Nejrychlejší návratnost má digitální čich v bodech, kde se rozhoduje o přijetí/odmítnutí suroviny nebo uvolnění šarže. Scentian mluví o startu u esenciálních olejů – a to je chytrý „beachhead“:

• vůně je klíčový atribut,
• trh je citlivý na falšování a záměny,
• variabilita podle původu a sezóny je vysoká.

V českém kontextu si pod tím představte třeba:

• kontrolu aromatických složek pro limonády, pečivo, cukrovinky,
• vstupní kontrolu koření a extraktů,
• stabilitu vůně u kosmetických surovin (přesah mimo potraviny, ale stejné principy).

Praktické scénáře (a proč jsou pro výrobu tak cenné)

1. Příjem surovin: AI porovná „otisk vůně“ se schváleným profilem od dodavatele. Výsledek do pár minut.
2. Uvolnění šarže: místo čekání na externí laboratoř získáte rychlý screening a laboratorní analýzu děláte jen u podezřelých vzorků.
3. Skladování: včasná detekce oxidace, žluknutí nebo kontaminace ve skladu (typicky tuky, oleje, ořechy, krmiva).
4. Procesní kontrola: během výroby hlídáte odchylku aromatického profilu – třeba při pražení, fermentaci nebo sušení.

Většina firem dělá jednu chybu: digitální čich berou jako „náhradu člověka“. Lepší přístup je brát ho jako časný varovný systém, který odfiltruje 80–90 % rutiny.

Most do zemědělství: proč se to netýká jen továren, ale i farem

VOC profil je často první signál biologického problému. Plíseň, hniloba, stres rostlin, škůdci, špatné skladování – to všechno mění „chemickou stopu“ dřív, než to uvidíte okem.

V zemědělství vidím tři realistické směry, kde se digitální čich může prosadit (ne nutně zítra, ale logika je silná):

1) Sklady obilí a krmiv: včasná detekce plísní

Mykotoxiny a plísně jsou noční můra – finančně i reputačně. Pokud senzor zachytí změnu VOC spojenou s růstem plísní, dá vám čas reagovat:

• provzdušnit,
• dosušit,
• oddělit rizikovou šarži,
• cíleně otestovat laboratorně.

2) Řízení kvality v produkci ovoce a zeleniny

U některých komodit jde kvalita poznat z aroma velmi brzy (zralost, poškození, začínající rozklad). Kombinace senzorů a AI může pomoct:

• třídění a plánování expedice,
• omezení odpadu,
• stabilnější dodávky pro retail.

3) Monitoring prostředí ve skleníku a skladových halách

VOC nejsou jen „vůně jablek“. Jsou to i signály chemie prostředí: rozpouštědla, čisticí prostředky, úniky, nežádoucí kontaminace. V kombinaci s IoT to zapadá do trendu precizního zemědělství a chytré potravinářské výroby.

Co musí fungovat, aby to nebyla jen hezká demo technologie

Nejtěžší část digitálního čichu je zavedení do provozu, ne demo v laboratoři. Pokud zvažujete podobné řešení (ať už od Scentian nebo kohokoli jiného), ptejte se na tyto věci:

1) Datový model: jak se učí „normál“ a „odchylka“

• Kolik referenčních šarží potřebujete?
• Umí model pracovat s sezónností (jiný původ, jiná sklizeň)?
• Jak se řeší „nový typ odchylky“, který v tréninku nebyl?

2) Kalibrace a drift

• Jak často se musí kalibrovat?
• Co se stane, když se změní vlhkost o 20 %?
• Jak systém pozná, že měří „špatně“, ne že je šarže špatná?

3) Integrace do HACCP a auditů

• Umíte výsledek uložit jako záznam ke konkrétní šarži?
• Je rozhodnutí auditovatelné (kdo, kdy, podle čeho)?
• Jak se řeší falešně pozitivní/negativní výsledky?

4) Ekonomika: kde je úspora

Nejčastěji to vychází ve chvíli, kdy máte:

• drahé suroviny (aroma, extrakty),
• vysoké náklady na reklamace,
• velké ztráty odpadem,
• nebo úzké hrdlo v laboratoři.

Jak by mohl vypadat pilot v české firmě (konkrétně a bez kouře)

Pilotní projekt by měl být krátký, měřitelný a navázaný na konkrétní rozhodnutí. Tohle je struktura, která v praxi dává smysl:

1. Vyberte jednu komoditu (např. esenciální olej, koření, pražená káva, krmivo).
2. Definujte rozhodnutí, které senzor ovlivní (přijetí/odmítnutí, uvolnění šarže, priorita expedice).
3. Nasbírejte 30–100 referenčních vzorků (podle variability) a označte je „OK / mimo / hraniční“.
4. Nastavte práh rizika: kdy stačí screening a kdy jde vzorek do laboratoře.
5. Vyhodnoťte metriky po 6–8 týdnech:
   • zkrácení času rozhodnutí,
   • snížení počtu laboratorních testů,
   • snížení odpadu nebo reklamací,
   • počet falešných poplachů.

Takhle se z „AI, co umí čichat“ stane nástroj, který obhájíte i před finančním ředitelem.

Kam to celé směřuje v roce 2026: čich jako další datová vrstva

Do roka až dvou bude digitální čich v potravinářství běžnější hlavně jako doplněk laboratorní kontroly. A v zemědělství se začne prosazovat tam, kde je největší bolest: sklady, logistika, krmiva, zpracování.

Moje sázka je jasná: vyhrají řešení, která neprodávají „zázračnou citlivost“, ale stabilní proces – s napojením na MES/ERP, s jasnými prahy, s historií měření a s možností rychle vysvětlit odchylku.

Pokud řešíte AI v zemědělství a potravinářství prakticky (ne jako PR), digitální čich je téma, které stojí za pozornost už teď. Ne proto, že nahradí lidi. Ale protože dokáže udělat to, co lidé dělat nechtějí: měřit rutinně, pořád stejně a ve velkém.

A otázka, která bude v roce 2026 čím dál hlasitější: budete kvalitu dál posuzovat „zkušeným nosem“, nebo si ji konečně necháte potvrdit daty?