EVALUACIN DE IMGENES ESPECTRALES PARA LA INSPECCIN DE

ADULTERANTES EN TRMINOS DE TRIGO BLANDO, YUCA Y FLAVONO DE

MAZ EN TRIGO AVATAR ORGNICO (TRITICUM SPP.) FL
Resumen
Al considerar la seguridad alimentaria y el enorme inters del mercado, es necesario
un mtodo de alta eficiencia para asegurar la autenticidad del producto alimenticio.
Para este objetivo, se explor la obtencin de imgenes espectrales para la
deteccin cuantitativa de fl ujo de trigo orgnico irlands (OWF) adulterado con trigo
blando (WF), yuca (CaF) y cornfl (CoF). Se recogieron imgenes hiperespectrales
(900e1700 nm) de muestras de OWF con una serie de porcentajes de adulteracin.
Los espectros adquiridos fueron pre-procesados por la segunda derivada (2 Der) y
la variable estndar normal (SNV) antes del modelado. Luego se emplearon la
regresin de mnimos cuadrados parciales (PLSR) y la regresin de componentes
principales (PCR) para el anlisis cuantitativo de la proporcin de adulteracin de
CoF, CaF y WF en OWF. Para desarrollar modelos simplificados ms eficaces, se
seleccionaron tres grupos de longitudes de onda de caractersticas a partir de las
grficas de carga del anlisis de componentes principales (PCA) y del algoritmo de
iteracin de primera derivada y media de centrado (FMCIA). Los modelos
desarrollados con FMCIA fueron mejores que el PCA. Despus, las longitudes de
onda de las caractersticas correspondientes se redujeron an ms sobre la base
de coeficientes de regresin de modelo (RC). El resultado ptimo de la deteccin
de la mezcla fue obtenido por el modelo RCFMCIA-PLSR, con un coeficiente de
determinacin de la prediccin (R2P) de 0,973 y un error cuadrtico medio de
prediccin (RMSEP) de 0,036 para OWF adulterado con CoF, R2P de 0,986 y
RMSEP de 0,026 para OWF adulterado con CaF y R2P de 0,971 y RMSEP de 0,038
para OWF adulterado con WF. Los mapas de visualizacin se generaron calculando
la respuesta espectral de cada pxel en las muestras. Este resultado indica que la
imagen espectral integrada con anlisis multivariable tiene el potencial de autenticar
las mezclas en fl ujo de trigo especfico en el intervalo de 3e75% (p / p).
Introduccin
El fraude alimentario se est convirtiendo en el gran desafo para los gobiernos, la
industria y las organizaciones que establecen normas, ya que las cadenas de
suministro de alimentos se han vuelto cada vez ms globales y complejas (Ottavian
et al., 2014, Huang et al., 2015, Jha et al. , 2015, Qin et al., 2016). La adulteracin
de los alimentos es una consecuencia de la adicin de impurezas extraas que
normalmente no estn contenidas en las sustancias alimentarias originales (Zhang
et al., 2013; Zhu et al., 2011). La adicin fraudulenta de sustancias no autnticas
abarca la tergiversacin o la sustitucin deliberada de un producto alimenticio sin la
comprador para obtener ganancias econmicas (Spink, 2012). Por lo tanto, la
adulteracin motivada econmicamente es una causa raz de los riesgos
alimentarios de salud pblica que lleva a los consumidores a dar la mxima atencin
a la adulteracin de alimentos. Los alimentos orgnicos se consideran mucho ms
respetuosos con el medio ambiente y populares, respetando el estircol verde, la
rotacin de cultivos y el control biolgico de plagas establecidos en las normas
orgnicas de la Unin Europea (UE). Durante la ltima dcada, la demanda de
alimentos producidos orgnicamente ha aumentado de manera significativa (David
et al., 2012). Debido a la motivacin para el beneficio econmico, la adulteracin de
alimentos orgnicos se ha convertido en un problema imperativo. La autenticacin
de alimentos bsicos orgnicos ha sido explorada actualmente por algunos
investigadores. Basado en el modelado independiente suave de la analoga de clase
(SIMCA) y K vecinos ms cercanos (KNN), Borges et al. (2015) verific la
adulteracin del arroz orgnico mediante la determinacin de 20 elementos
qumicos usando espectrometra de masas de plasma acoplado inductivamente
(ICPMS). La discriminacin entre trigo orgnico y trigo convencional tambin se ha
realizado midiendo d15N y d13C de aminocidos mediante cromatografa de gases
de combustin de la relacin de istopos de espectrometra de masas (GC-C-IRMS)
(Paolini et al., 2015). Sin embargo, estos enfoques demorados y destructivos no son
adecuados para la rpida clasificacin y deteccin en la industria alimentaria.
Debera llevarse a cabo la deteccin rpida de la harina de trigo blando desconocida
(WF) mezclada en trigo orgnico (OWF). Adems, el OWF es casi el mismo color
que la mandioca (CaF), y similar al maz fl (CoF), lo que hace que sea ms difcil
identificarlos despus de la adulteracin. Debido a la creciente necesidad de
adulteraciones sutiles en los alimentos, es necesario explorar un mtodo rpido,
preciso y no destructivo para la determinacin cuantitativa de contaminantes en
OWF.
Durante las ltimas dcadas, se han desarrollado algunas tcnicas de deteccin
rpidas y no destructivas para evaluar la calidad de los alimentos (Alexandrakis et
al., 2012, Liu et al., 2014b, Magwaza et al., 2012, Zhu et al., 2013, Soukoulis et al.,
2013, Cubero et al., 2011, Zhu et al., 2016). Entre ellos, la tcnica de la mquina o
la visin por computadora es una herramienta de medicin ampliamente utilizada
para adquirir y analizar la informacin bidimensional de superficie (Sanz, 2012,
Sonka et al., 2014, Wu y Sun, 2013c, Jackman et al., 2009 Du y Sun, 2005). La
informacin relacionada con la superficie puede ser representada por una imagen
para la deteccin de la calidad, clasi fi cacin y clasificacin de los productos
agrcolas (ElMasry et al., 2012a; Patel et al., 2012). Aunque los aspectos externos
incluyendo la forma, el color y los defectos pueden ser fcilmente evaluados por la
visin de la mquina, los parmetros de calidad relacionados con composiciones
qumicas son difciles de determinar con slo tcnicas de imagen (Patel et al., 2012).
Recientemente, las tcnicas de espectroscopa, como la espectroscopa visible /
infrarroja (Sankaran y Ehsani, 2013), espectroscopa Raman (Boyac et al., 2014,
Zheng y He, 2014, Lee y Herrman, 2016) y espectroscopa de resonancia
nuclearmagntica (Ohtsuki et al. 201 y Botosoa, 2015) han recibido mucha atencin
en la investigacin para el anlisis qumico de la materia prima, la discriminacin y
el monitoreo del proceso, pero estas tcnicas espectroscpicas no pueden
proporcionar imgenes visuales de muestras enteras. Para superar estos
problemas, la formacin de imgenes espectrales desarrollada uniendo tcnicas de
imagen y espectroscpicas puede proporcionar simultneamente informacin
espacial y espectral de un objeto, lo que significa que esta tcnica puede
proporcionar caractersticas fsicas y qumicas de un objeto al mismo tiempo (Su et
al. 2015, Sun, 2010, Dissing et al., 2013, Xie et al., 2016, Ravikanth et al., 2016). La
imagen hiperespectral puede
se descomponen en una serie de imgenes bidimensionales que corresponden a
nmeros de longitudes de onda especficas que reflejan caractersticas qumicas
del objeto (He y Sun, 2015, Iqbal et al., 2014, Kamruzzaman et al., 2012, 2015,
Zhang et al., 2016, Pan et al., 2016). Adems de los productos alimenticios (Barbin
et al., 2012b, Elmasry et al., 2012b, Feng y Sun, 2012, Wu y Sun, 2013b, Feng y
Sun, 2013, Feng et al., 2013, ElMasry et al. Barbin et al., 2013), esta tcnica ha sido
empleada en una amplia gama de campos tales como la agricultura (por ejemplo,
cereales, frutas) (Liu et al., 2013a, Mahesh et al., 2015) (Scheibelhofer et al., 2012),
farmacutica (Brondi et al., 2014, Muench, 2014), microbiana (Gowen et al., 2015,
Leroux et al., 2015), mdica (Lu y Fei, 2014), geolgicas (por ejemplo, cartografa
regional, interpretacin estructural) (Kurz et al., 2013; Van der Meer et al., 2012). En
cuanto al anlisis rpido y no destructivo de los productos alimenticios bsicos, se
han aplicado imgenes hiperespectrales para la evaluacin de protenas, almidones
y amilosa en arroz (Liu et al., 2014a), contenido de azcar en patatas (Rady et al.,
2015) , clasificacin de variedades y crecimiento de hongos en granos de arroz
(Siripatrawan y Makino, 2015, Wang et al., 2015), Fusarium head blight en granos
de trigo (Barbedo et al., 2015), flotoxina B1 en cereales de maz (Kandpal et al.
2015), la clasificacin de los frijoles negros (Jun et al., 2015), el tiempo de coccin
ptimo de los hervidos
patatas (Do Trong et al., 2011), y rastros de cacahuete en la harina de trigo (Mishra
et al., 2015). Sin embargo, hasta donde sabemos, an no se ha publicado ninguna
investigacin para el anlisis cuantitativo de contaminantes como el WF, CaF y CoF
en OWF basados en imgenes espectrales. El objetivo general de esta investigacin
se centra en investigar el potencial de la imagen hiperespectral (900e1700 nm) para
la visualizacin cuantitativa rpida de la contaminacin por OWF. Por lo tanto, este
estudio se realiz principalmente (1) extrayendo datos de imgenes
hiperespectrales de todas las muestras, (2) estableciendo regresin de mnimos
cuadrados parciales (PLSR) y modelos de regresin de componentes principales
(PCR) en la regin de longitud de onda completa, (3) seleccin de longitudes de
onda caractersticas altamente vinculados al atributo intrnseco de estas muestras,
(4) la identificacin de optimalomodelos basados en longitudes de onda
caractersticas, y (5) el desarrollo de algoritmos de procesamiento de imgenes para
representar los resultados de prediccin visual. En particular, se present y verific
un nuevo mtodo de seleccin de longitudes de onda para el modelado.
2. Materiales y mtodos
2.1. Preparacin de la muestra y adquisicin de la imagen espectral En este estudio,
las muestras finas y en polvo de OWF (variedad: Avatar, origen: Irlanda) fueron
certificadas por Organic Trust en Irlanda (IE-ORG-03, UE / composicin fue: 75,3%
de carbohidratos, 10,1% de protenas, 1,4% de grasa y 3,1% de fibra. Se produjeron
otras muestras lquidas, incluyendo WF, CoF y CaF comunes en un sistema
convencional sin seguir los estndares orgnicos, y sus composiciones fueron
76,3%, 92,0% y 93,0% de carbohidratos, 10,3%, 0,6% y 0,8% de protenas, 0,98%,
0,7 % y 0,3% de grasa, y 2,7%, 0,1% y 4,7% de fibra, respectivamente. Todas estas
muestras fueron recolectadas y transportadas a laboratorios de Refrigeracin de
Alimentos y Tecnologa de Alimentos Computarizada (FRCFT), University College
Dublin (UCD), Irlanda. A continuacin, las muestras de OWF fueron adulteradas con
CaF, CoF y WF en el intervalo de 3e75% (p / p), con incrementos de
aproximadamente 3%. Especficamente, el CaF, CoF y WF fueron pesados
individualmente junto con OWF, bien mezclados y homogeneizados para obtener
un peso de muestra total de 35 g cada vez en cada nivel adulterante. A continuacin,
se obtuvieron 150 muestras (6 muestras por nivel adulterante? 25 niveles) para cada
tipo de adulteracin. All se seleccionaron al azar 90 muestras (4 muestras por
niveles de nivel adulterante? 25) como el conjunto de calibracin y se seleccionaron
las 60 muestras restantes (2 muestras por nivel de nivel adulterante? 25 niveles)
como conjunto de prediccin. Las muestras se colocaron por separado en frascos
de plstico transparentes circulares una a una y se formaron imgenes utilizando el
sistema de formacin de imgenes hiperespectral en la
espectro de 900e1700 nm mencionado por ElMasry et al. (2011a, b). Este sistema
de imgenes hiperespectrales pushbroom de laboratorio analiza la lnea de
muestra, y consiste principalmente en una computadora con un software de control
(SpectralCube, Spectral Imaging Ltd., Finlandia), una cmara CCD (Xeva 992,
Xenics Infrared Solutions, Blgica) un espectrgrafo (ImSpector N17E, Spectral
Imaging Ltd., Oulu, Finlandia), dos lmparas de iluminacin de 500 W
tungstenehalogen (V-light, Lowel Light Inc., EE.UU.) y un motor paso a paso (GPL-
DZTSA-1000-X, Zolix Instrument Co., China). La luz reflejada de la muestra es
capturada por el sistema de formacin de imgenes hiperespectrales en ejes
espectrales espaciales y el incremento espectral entre las bandas contiguas es de
aproximadamente 3,34 nm en el intervalo espectral de 897e1753 nm produciendo
256 bandas. Basndose en este sistema, se recogieron las imgenes de 690
muestras (60 \ mu g para muestras puras, 150 \ mu g para muestras adulteradas).
Los datos espectrales correspondientes a cada muestra eran tridimensionales,
incluyendo informacin espacial y espectral, con 256 bandas (897e1753 nm) en
sentido l, 320 pxeles (0,578 mm / pxel) en direccin x y n pxeles (0,578 mm / pxel)
en la direccin y (determinada por la longitud de la muestra). Los diferentes niveles
de adulteracin que no pueden ser reconocidos por ojos desnudos, podra ser la
visualizacin espacial basndose en la tcnica de imgenes espectrales.
2.2. Extraccin de la regin de inters
Como muchos ruidos se observaron en las regiones de 897e957 nm y 1665e1753
nm en las imgenes corregidas, la regin restante de 957 a 1665 nm (212 bandas)
se puede seguir utilizando. Para minimizar la perturbacin de la geometra del
instrumento y la corriente oscura de la cmara, se registraron imgenes de
referencia blancas (~ 99% de reflectividad) y oscuras (0% de reflectividad). Las
imgenes de reflexin cruda se calibraron a continuacin en imgenes de reflexin
relativa basadas en las imgenes de referencia blancas y oscuras (Firtha, 2006;
ElMasry et al., 2007). Las imgenes corregidas se utilizaron para seleccionar las
regiones de inters (ROI). Se construy una imagen de mscara binaria restando
una imagen de banda de baja reflectividad (por ejemplo, 1443 nm) de una imagen
de banda de alta re fl exin (por ejemplo, 1204 nm) dentro de la misma imagen
hiperspectral corregida. Despus de retirar el fondo y la sombra de la imagen
hiperspectral corregida, se llevaron a cabo operaciones morfolgicas tales como
erosin o dilatacin sobre la mscara binaria resultante para eliminar las partes
aisladas procedentes de los bordes de los frascos de plstico. Esto result en una
mscara final que contena slo ROI. Los valores medios de reflexin de todos los
pxeles en el ROI se pueden extraer basndose en las seales espectrales. Los
datos espectrales de cada ROI se promediaron a un espectro para representar cada
muestra. Se repiti el mismo protocolo para todas las imgenes hiperespectrales de
las muestras ensayadas.
2.3. Pretratamiento espectral
Despus de adquirir los datos espectrales promedio del ROI, fue necesario mejorar
la relacin seal-ruido para un modelo mejor y robusto. Antes del modelado, los
datos espectrales de las muestras fueron pre-procesados por la segunda derivada
(2 Der) (suavizado Savitsky Golay, ventana de 7 puntos, polinomio de 2 orden) y la
variable normal estndar (SNV). El segundo enfoque Der se plantea para calcular
la derivada al suavizar los espectros y tomar el doble del valor suavizado a las
longitudes de onda correspondientes (Tsai y Philpot, 1998). El pretratamiento SNV
exige el clculo de la media y la desviacin estndar (StdDev) de los valores
espectrales. El formato del espectro corregido se genera mediante esta ecuacin:

donde xcs es datos espectrales corregidos, x es el espectro original, xav es el

promedio de los n valores espectrales en el rango de longitudes de onda
completas
2.4. Desarrollo y evaluacin de modelos
En este estudio, los modelos de calibracin y prediccin del anlisis cuantitativo de
adulteracin de OWF fueron explorados por PCR y PLSR. Estos modelos se
desarrollaron mediante la utilizacin de los espectros en la datamatriz espectral (X)
para predecir las proporciones de adulterante en OWF en el vector columna (Y). El
rendimiento de estos modelos se evalu mediante el coeficiente de determinacin
y el error cuadrtico medio de la calibracin (R2 C, RMSEC), la validacin cruzada
(persianas venecianas) (R2 CV, RMSECV) y la prediccin (R2 P, RMSEP). Las
fuentes relevantes de variabilidad de datos fueron modificadas por las variables
latentes (LVs). Se seleccion el nmero de VL segn el criterio del error de
prediccin ms bajo en la validacin cruzada (veneciana) y la evaluacin de la
varianza explicada en los bloques X e Y (Mazivila et al., 2015). El modelo ptimo
debera tener R2 C, R2 CV y R2 P ms altos y el menor error de clasificacin,
RMSEC, RMSECV y RMSEP.
En general, siempre se espera que adquiera RMSE mucho ms cerca de 0 y R2
ms enfoque a 1, pero un R2 de ms de 0,90 muestra un excelente rendimiento y
menos de 0,82 significa un rendimiento pobre (Williams, 2001).
2.5. Seleccin de longitud de onda caracterstica
Por otro lado, los espectros que contienen grandes volmenes de informacin no
son adecuados para la deteccin en lnea. La seleccin de la longitud de onda tiene
como objetivo elegir varias bandas ptimas para representar los datos
hiperspectrales originales. En este estudio, las longitudes de onda ptimas para el
anlisis cuantitativo de adulteracin OWF se seleccionaron sobre la base de anlisis
de componentes principales (PCA). Las cargas resultantes de PCA se consideran
como una indicacin de longitudes de onda caractersticas que no sufre de
redundancia (Su y Sun, 2016a). Las longitudes de onda correspondientes al pico y
al valle del grfico de cargas mostraron grandes diferencias en la reflectividad y se
consider que tenan una gran contribucin a las cargas de PC. En este estudio, la
combinacin de longitudes de onda caractersticas seleccionadas por PCA mtodo
se contrast con un nuevo enfoque denominado el primer derivado y el algoritmo de
iteracin centrada media (FMCIA) que concatena la primera derivada y el MC para
el tratamiento de datos espectrales con espectros estandarizados generados por su
StdDev (Su y Sun, 2016b, Su y Sun, 2016c). Como medida para cuantificar el grado
de variacin de los valores de los datos espectrales, el StdDev se calcul a cada
longitud de onda de todos los espectros procesados posteriormente. Dado que
todas las variables se ajustan a la misma escala, los coeficientes StdDev resultantes
muestran la importancia relativa de los espectros. El grfico de cargas de FMCIA se
considera como una indicacin de las longitudes de onda optimizadas. La longitud
de onda caracterstica se selecciona en la regin espectral donde existe una gran
diferencia en los coeficientes StdDev. A continuacin, las longitudes de onda de las
caractersticas seleccionadas pueden reducirse an ms mediante los coeficientes
de regresin (RC) del modelo PLSR (Su y Sun, 2016d). El propsito de la facilitacin
del modelo es establecer un modelo muy eficaz y simplificado con
menos longitudes de onda caractersticas para la identi fi cacin y visualizacin del
porcentaje de adulteracin.
2.6. Anlisis de imgenes espectrales
En contraste con otras tcnicas de espectroscopia, la superioridad de la imagen
espectral existe en la transferencia de modelos de anlisis multivariante a cada pxel
de la imagen, generando un mapa de visualizacin con proporciones de
adulteracin. En primer lugar, una imagen espectral tridimensional a longitudes de
onda caractersticas se convirti en una matriz bidimensional. Esta matriz se
multiplic entonces por coeficientes de regresin del modelo ptimo. Despus, la
matriz resultante se repleg para formar un mapa de prediccin, donde los niveles
de adulteracin dentro de todos los puntos se exhibieron y se visualizaron por
colores. Todos los datos multivariados y el anlisis de imgenes se ejecutaron
mediante scripts escritos en casa dentro del software Matlab 7.12 (The Math- Works
Inc., Natick, MA, EUA). En la Fig. 1 se muestra un diagrama de flujo que contiene
los principales pasos del anlisis cuantitativo de la adulteracin de OWF usando
imgenes espectrales.
3. Resultados y discusin
3.1. Caractersticas espectrales de las muestras
En la Figura 2 se muestran claramente los espectros de cada categora y
proporciones de adulteracin OWF de 3% a 75%. Como se desprende de la Figura
2a, las curvas espectrales de diferentes variedades presentan una tendencia
similar, pico y valle, lo que indica su similitud en composiciones qumicas (por
ejemplo, protenas, carbohidratos, grasas) y longitudes de onda caractersticas.
Especficamente, se observ que tres picos de absorcin estaban presentes en
alrededor de
980 nm, 1200 nm y 1450 nm que se relacionaron respectivamente con OeH que
estira el segundo sobretono, CeH que estira el segundo sobretono y OeH que estira
los primeros acordes (Wu y Sun, 2013a). En comparacin con el pico de absorcin
a 980 nm, la variacin de las huellas espectrales de diferentes flanes a 1450 nm
(OeH estirando el primer tono) fue ms significativa, seguida por el pico de
absorcin a 1200 nm. Adems, las caractersticas espectrales observadas de OWF
eran marcadamente diferentes de las otras tres. Estas diferencias en los valores de
reflexin fueron causadas principalmente por factores genticos y ambientales, as
como por sus sitios de origen. Sin embargo, las caractersticas espectrales de OWF
fueron mucho ms similares con WF. Esto se debi principalmente a su mismo
cultivar y origen geogrfico. En la Fig. 2 (lecho), podemos observar que existen
diferencias espectrales en las proporciones de adulteracin (3% e75%) entre las
diversas adiciones (CoF, CaF y WF) de OWF. Los diferentes colores de las curvas
espectrales de abajo hacia arriba en la figura 2 (lecho) representan una proporcin
de adulteracin del 3% al 75%. Adems, es bastante evidente que los espectros de
la figura 2d se reunieron en un espacio estrecho en comparacin con los espectros
de la figura 2b, c. Este fenmeno fue posiblemente asociado con el atributo
intrnseco similar entre OWF y WF.
3.2. Modelado en el rango espectral completo
Se considera que el efecto de dispersin y el ruido aleatorio pueden atenuarse
mediante pretratamientos apropiados. La Tabla 1 presenta los principales
parmetros estadsticos de los modelos de PCR y PLSR establecidos utilizando
espectros en bruto en el espectro de 957e1665 nm (212 variables) y los enfoques
de preprocesamiento (SNV y evaluando las mezclas (CoF, CaF y WF) en OWF. La
propiedad de la PCR calibrada y PLSRmodels fue validado sobre la base de
persianas venecianas de validacin cruzada seguida de validacin externa
independiente. Se observ que tanto PCR como PLSR posean un rendimiento
similar. Para la inspeccin de adulterante CoF, los espectros procesados por el 2
Der mostr un mejor efecto en el modelo PLSR (R2 P 0,986, RMSEP 0,026).
Con respecto a la mezcla de CaF en OWF, los resultados de validacin cruzada de
ambos modelos de PCR y PLSR pre-procesados por SNV fueron mejores que los
obtenidos utilizando espectros de Der Der y crudo. La similitud en el rendimiento del
modelo implicaba la efectividad del SNV. Cuando se aplicaron los modelos de PCR
y PLSR desarrollados al conjunto de validacin independiente, se predijeron los
niveles de contaminante de CaF en OWF con R2 P superior de 0,988, RMSEP de
0,089 y R2P de 0,980, RMSEP de 0,143 basado en SNV, respectivamente. Sin
embargo, los valores muy altos de RMSEP redujo la precisin de ambos modelos
para la prediccin con el valor P de 0,049 de ANOVA. Aunque los valores RMSEP
ms bajos fueron adquiridos por PCR y los modelos PLSR desarrollados con 2nd
Der, los valores ms altos de RMSEC y RMSECV observados revelaron que estos
modelos no pueden funcionar con precisin para el desarrollo del modelo de
calibracin. Con slo cuatro LVs, el modelo de PCR establecido utilizando el
espectro bruto se sobrevivi con R2 C de 0,978, RMSEC de 0,032, R2 CV de 0,976,
RMSECV de 0,034 y R2P de 0,976, RMSEP de 0,071, as como el valor P de 0,045
de ANOVA. Los resultados indicaron que ninguno de los enfoques espectrales de
preprocesamiento proporcion el avance del rendimiento del modelo, lo que estaba
de acuerdo con las investigaciones similares anteriores (Barbin et al., 2012a,
Kamruzzaman et al., 2013a, b). En comparacin con la PCR, el mejor resultado para
la deteccin de adulterante WF se produjo por PLSR utilizando SNV, con R2 P de
0,976, RMSEP de 0,035. En general, PLSR y SNV mostr un rendimiento
ligeramente estable y mejor que la PCR y 2 Der. Por lo tanto, el modelo SNV-PLSR
fue ms apropiado para detectar adulteracin OWF.
3.3. Seleccin de longitudes de onda ptimas
Con el fin de desarrollar un sistema de imgenes multiespectral para mejorar la
velocidad de procesamiento, un precursor importante es elegir variables de
caractersticas del rango de longitud de onda completa (212 variables). Los coe fi
cientes ponderados resultantes de PCA fueron utilizados para la seleccin de
longitudes de onda caractersticas (Rodrguez-Pulido et al., 2013, ElMasry et al.,
2011a, b). Las variables correspondientes al pico y al valle del coe fi ciente de
regresin presentaron mayores diferencias en la reflectividad y desempearon un
papel importante en los modelos establecidos. Mediante este enfoque, se
identificaron respectivamente cinco longitudes de onda de caractersticas (1088,
1188, 1262, 1423 y 1658 nm) y siete longitudes de onda de caractersticas (987,
1094, 1205, 1285, 1423, 1625 y 1658 nm) de las grficas de carga de PC1 y PC2
como se muestra en la Fig. 3. Las diferencias de los valores de la resistencia se
relacionaron con las caractersticas de absorcin espectral, tales como armnicos y
combinaciones de vibraciones fundamentales. Adems, se eligi otra combinacin
de longitudes de onda caracterstica que refleja las caractersticas espectrales de
todos los flujos a travs de FMCIA. Como se describe en la Fig. 4a, todos los
espectros de flujo fueron procesados primero por 1 Der (ventana de 7 puntos, 1
polinomio de orden) combinada con MC. Basndose en este procedimiento, se
utiliz el grfico de carga del coeficiente StdDev resultante de FMCIA para elegir las
longitudes de onda ms significativas. Las variables correspondientes al pico y al
caudal del coeficiente presentaron mayores diferencias y jugaran un papel
importante en modelos simplificados para el desarrollo de sistemas de imgenes
multiespectrales. Como se muestra en la figura 4b, se seleccionaron ocho bandas
de caractersticas en el espectro de 957e1665 nm (212 bandas) de ocho longitudes
de onda (1141, 1349, 1362, 1396, 1426, 1443, 1645 y 1658 nm) basndose en este
enfoque.
3.4. Modelo PLSR facilitado para medir el grado de contaminacin
OWF
Las longitudes de onda de las caractersticas seleccionadas fueron adoptadas para
construir modelos PLSR optimizados para evaluar el grado de contaminacin de
OWF como
mostrados en la Tabla 2. Los parmetros obtenidos de R2 y RMSE demostraron
que todos los modelos simplificados tenan una capacidad razonable para predecir
la contaminacin por OWF. Se encontr que la precisin del modelo PLSR
desarrollado utilizando SNV fue equivalente a los modelos simplificados sin
pretratamiento, especialmente para FMCIA-PLSR y PC2-
Modelos PLSR. Sin embargo, despus del pre-procesamiento con SNV, el
desempeo del modelo PC2-SNV-PLSR fue mejorado un poco obvio. Adems, el
modelo PC1-SNV-PLSR tambin mostr una mejor precisin para medir la WF
adulterada en OWF. Basndose en el mtodo de seleccin de la longitud de onda
de PCA, los resultados ptimos para detectar todos los contaminantes (CoF, CaF y
WF) fueron recogidos y presentados en la Fig. 5 (a, b, c), respectivamente. Para las
longitudes de onda de caractersticas seleccionadas mediante FMCIA, sus
capacidades predictivas en los modelos PLSR fueron mucho mejores sin tener en
cuenta el pretratamiento espectral, alcanzando altos R2 P de 0,975, 0,985 y 0,971,
as como bajo RMSEP de 0,035, 0,027 y 0,038 para evaluar la CoF, CaF y
adulteracin de WF. Los resultados de prediccin de las mezclas en OWF
adquiridas por los modelos FMCIA-PLSR ptimos se muestran en la Fig. 6. Estos
modelos simplificados tienen la capacidad de ser utilizados para disear sensores
multispectrales ms simples para la implementacin en tiempo real.
3.5. Otra optimizacin del modelo PLSR para la prediccin de
contaminantes
Para el anlisis PLSR, el RC estandarizado tiene una gran influencia en la
contribucin de variables independientes a la prediccin de variables dependientes.
Aunque la FMCIA en este estudio se consider como el mejor mtodo de seleccin
de longitud de onda, las longitudes de onda de las caractersticas obtenidas no
mantuvieron el mismo significado para el modelado. Es esencial evaluar y eliminar
ms a fondo las variables independientes con RC menos significativo. Tales
variables con menores valores absolutos de coe fi ciente pueden identificarse a
partir de las grficas de carga de RC en el modelo PLSR. Los coeficientes FMCIA-
PLSR de la Fig. 7 representan respectivamente las ocho longitudes de onda
caracterstica (1141, 1349,
1362, 1396, 1426, 1443, 1645 y 1658 nm) para la prediccin de contaminantes
incluyendo CaF, CoF y WF en OWF. En este estudio, estas ocho longitudes de onda
de caractersticas con valores absolutos de RC menores que 18 se consideraron
como longitudes de onda de caractersticas secundarias que deberan eliminarse.
Como resultado, las longitudes de onda ms importantes de cuatro (1349, 1396,
1645 y 1658 nm), cinco (1396, 1426, 1443, 1645 y 1658 nm) y seis (1141, 1396,
1426, 1443, 1645 y 1658 nm ) se utilizaron para desarrollar los modelos PLSR ms
simples para detectar los contaminantes CaF, CoF y WF, respectivamente. En
consecuencia, las ecuaciones (4) y (6) se derivaron de las nuevas longitudes de
onda de cuatro, cinco y seis alineadas con los nuevos coeficientes adquiridos en el
modelo RC-FMCIA-PLSR en lugar de utilizar los valores de coeficiente original del
modelo FMCIA-PLSR desarrollado usando ocho longitudes de onda.
Especficamente, se detectaron diferentes niveles de contaminantes de CaF
basndose en la ecuacin de regresin siguiente:
Adems, otra frmula se muestra a continuacin para determinar WF usando el
modelo RC-FMCIA-PLSR:

El rendimiento de los modelos RC-FMCIA-PLSR para la deteccin cuantitativa de

CaF, CoF y WF en OWF se resumi en la Tabla 3. El R2 P ms alto de 0.986,
0.973 y 0.971 con menor RMSEP de 0,026, 0,036 y 0,038 se lograron mediante el
modelo optimizado RC-FMCIA-PLSR para evaluar la adulteracin de CaF, CoF y
WF.
En comparacin con los modelos originales de longitud de onda completa, as
como con los modelos FMCIA-PLSR, se obtuvieron precisiones paralelas o
superiores mediante modelos RC-FMCIA-PLSR utilizando menos longitudes de
onda centrales. Especficamente, el rendimiento del modelo desarrollado utilizando
cinco longitudes de onda estuvo muy cerca del modelo utilizando ocho longitudes
de onda para evaluar la adulteracin de CoF. Por el contrario, la mejor precisin
para la deteccin de OWF adulterado con CaF se recogi por RC-FMCIA-PLSR
utilizando slo cuatro longitudes de onda caracterstica (1349, 1396, 1645 y 1658
nm), en lugar de la FMCIA-PLSR modelo establecido utilizando ocho longitudes de
onda (1141, 1349, 1362, 1396, 1426, 1443, 1645 y 1658 nm). Este resultado
demostr que el resto de cuatro longitudes de onda (1141, 1362, 1426
y 1443 nm) fue intil para la deteccin de CaF. Sin embargo, las tres octavas
longitudes de onda (1141, 1426 y 1443 nm) desempearon un papel importante en
la determinacin de la adulteracin de la FM. Sin embargo, al utilizar
estas seis longitudes de onda de caractersticas (1141, 1396, 1426, 1443, 1645,
1658 nm), la precisin de la deteccin de la adulteracin de WF era
inesperadamente inferior a la adulteracin de CoF y CaF, lo que significaba que
era ms difcil distinguir el WF en OWF. Una de las razones principales es
probablemente que las diferencias de variedad entre OWF y CaF, as como OWF
y CoF son mayores que las de OWF yWF. Adems, se observ que las diferencias
entre R2 C, R2 CV y R2 P eran muy pequeas en el modelo RC-FMCIA-PLSR, lo
que podra indicar la solidez de este modelo fi nal. Por lo tanto, era factible
suponer que las longitudes de onda de caractersticas extradas utilizando RC-
FMCIA se pueden utilizar como las longitudes de onda ms representativas para
desarrollar sistemas multiespectrales para aplicaciones en lnea.
3.6. Deteccin visual
Los adulterantes en OWF no slo se detectaron sobre la base de los modelos
desarrollados utilizando datos espectrales, sino que tambin se pueden visualizar
en la dimensin espacial a partir de imgenes espectrales. Esta tcnica tiene una
ventaja obvia para identificar tanto los gradientes como las distribuciones
espaciales de muestras especficas por visualizacin espacial en cada pxel de la
imagen en base a sus caractersticas espectrales. El modelo RC-FMCIA-PLSR
simplificado se transfiri en cada pxel para calcular el producto de punto entre los
coeficientes ptimos de regresin y los valores espectrales de todos los pxeles de
la imagen para la visualizacin espacial. La Fig. 8 presenta las imgenes de falso
color resultantes de algunas muestras (la proporcin de adulterante WF en OWF
en este caso). Estos mapas de distribucin se generaron al predecir las
variaciones en la proporcin de adulteracin junto con una escala de color lineal
de baja (azul) a alta (roja). Las diferencias espectrales de pxeles indicaron la
concentracin de mezcla en OWF. Este tipo de identi fi cacin visual no puede
lograrse usando ojos desnudos, sino que se realizara mediante imgenes
multiespectrales. Era distinto distinguir el
proporcin de adulteracin que vara de muestra a muestra e incluso dentro de la
misma muestra. En consecuencia, los resultados fueron muy grficos y optimistas
para presentar el potencial de la tcnica de imgenes espectrales para la
prediccin rpida y no destructiva de adulterantes en OWF.
3.7. Discusin
Las categoras de diferentes flanes y proporciones de adulterantes (CoF, CaF y WF)
en trigo Avatar fueron evaluadas con precisin basndose en la tcnica de
imgenes espectrales utilizando longitudes de onda de caractersticas
seleccionadas. En esta investigacin, las muestras espec fi cas de trigo de Avatar
(origen: Irlanda) que fueron certificadas como orgnicas por el Organic Trust en
Irlanda (IE-ORG-03, UE / agricultura no UE) fueron adulteradas con otras tres ms
baratas. Todava se desconoce si el clasificador estaba realmente influenciado por
caractersticas espectrales especficas relacionadas con la agricultura orgnica, ya
que dos muestras de diferentes productores diferiran espectralmente por varias
razones (por ejemplo, procesamiento, manipulacin, almacenamiento, tipo de suelo,
clima, etc.). Por lo tanto, este estudio no implic la investigacin de distinguir entre
las plantas originadas de las granjas que practican la agricultura orgnica y la
agricultura tradicional. Tambin se observ que el modelo ptimo de PLSR logr
unas precisiones muy altas (Rp2 0,971e0,986) para detectar impurezas (3e75%)
en OWF. Los resultados de prediccin encontrados en este estudio fueron similares
a los mencionados por Liu et al. (2013a, b) para detectar el polvo de raz de loto
adulterado con almidn de patata y camote (R2 P 0,959e0,990). Rady et al (2015)
informaron que los enfoques apropiados de pretratamiento y modelizacin pueden
mejorar la precisin del resultado, lo que indic que los mtodos propuestos en
nuestra investigacin eran aceptables basados en la comparacin de dos mtodos
espectrales de preprocesamiento (SNV y II Der ) y dos mtodos de modelado (PCR
y PLSR). Adems, grandes variaciones de composiciones genticas o qumicas
entre estas fluctuaciones hicieron posible la deteccin efectiva de adulterantes. Se
encontr que el R2 disminuy dramticamente cuando la adulteracin
proporcin fue inferior al 3% (Liu et al., 2013a, b). Esto significaba que cuanto mayor
era la proporcin de adulterante, mejor era el resultado de la deteccin. Como las
proporciones de impurezas en OWF fueron de 3% a 75%, esto proporcion una
probabilidad razonable de la mayor precisin obtenida en nuestro estudio. Adems,
aunque hubo tres categoras de impurezas en OWF, estas impurezas se mezclaron,
respectivamente y por separado, con OWF y cada impureza contena solamente
una variedad fl. La nica fuente de adulterantes puede dar lugar a mayores tasas
de exactitud. Adems, una serie de estudios han puesto de relieve los mayores
resultados de prediccin de las tcnicas espectroscpicas, junto con el anlisis
multivariante en la deteccin de la adulteracin de alimentos. Por ejemplo, se obtuvo
el Rp2 ms alto de 0,99 para determinar la adulteracin del almidn (1 e35% en
peso de almidn) en polvo de cebolla (Lohumi et al., 2014), basndose en el modelo
infrarrojo por transformada de Fourier (FT-IR) y PLSR. Los mejores resultados de
evaluacin de la adulteracin de alimentos no slo se lograron mediante la
deteccin de alimentos en polvo sino que tambin se present en la determinacin
de materias extraas en las carnes picadas. Especficamente, el modelo PLSR
obtuvo respectivamente el Rp2 ms alto de 0,97, 0,99 y 0,99, para detectar
adulterantes que incluyeron pollo, cerdo y carne de caballo minados en carne de
res o cordero recientemente amamantada basada en imgenes hiperspectrales
(Kamruzzaman et al., 2016, 2015, 2013). En sus estudios, las muestras de carne de
vacuno picada o de cordero fueron adulteradas con estos adulterantes en el
intervalo 0e40% o 50% (p / p) a intervalos de aproximadamente 2%. Por lo tanto, la
mayor precisin de deteccin de la adulteracin en este estudio es perfectamente
lgico y razonable.
4. Conclusiones
Con la globalizacin y los sistemas de distribucin rpida, los incidentes de
adulteracin alimentaria pueden tener repercusiones internacionales con
consecuencias extremas. Por lo tanto, existe un creciente requisito para el
desarrollo de mtodos analticos rpidos, de bajo costo y efectivos para probar la
adulteracin. Este estudio ha enfatizado el potencial de la imagen hiperespectral en
tndem con anlisis multivariantes para la deteccin en tiempo real de aditivos (CoF,
CaF y WF) en
especfico OWF (variedad: Avatar) cultivado en Irlanda. Se encontr que el mtodo
de seleccin de longitud de onda basado en FMCIA era mejor que PCA. Por otra
parte, el modelo RC-FMCIA-PLSR utilizando menos longitudes de onda mostr
precisiones anlogas o incluso mejores para la deteccin de OWF adulterado con
CaF, CoF y WF, dando R2P superior de 0.986, 0.973 y 0.971 con menor RMSEP
de 0.026, 0.036 y 0.038, respectivamente. Los resultados demostraron que el
modelo PLSR optimizado puede utilizarse eficientemente para evaluar
contaminantes (CoF, CaF y WF) en OWF. Tambin revel que el OWF especfico
contaminado por CaF y CoF puede ser detectado con ms precisin que el OWF
mezclado con WF comn. Adems, la representacin simultnea de la informacin
espectral y de imagen espacial est exclusivamente involucrada en la formacin de
imgenes espectrales. Aunque los contaminantes (WF, CaF y CoF) investigados en
este estudio son slo tres categoras, es posible detectar la presencia de otras
categoras adulteradas desconocidas o cuestiones exticas basadas en la
metodologa utilizada. Hasta donde sabemos, esta es la primera vez que la imagen
espectral se aplica a la deteccin de contaminantes en productos especficos de
trigo orgnico.