Tecnologías no invasivas y análisis de datos espectrales para garantizar la calidad y autenticidad de la carne y sus productos (II)

Foto Matadero UPNa.

Como exponíamos en la primera parte de nuestro trabajo, una tecnología más avanzada que combina la espectroscopía clásica con el análisis de imagen se denomina imágenes hiperespectrales (HSI, de sus siglas en inglés).

En este caso, las imágenes hiperespectrales contienen tanto una coordenada espectral como dos coordenadas espaciales dado que cada píxel que compone la imagen representa un espectro completo. Este cubo tridimensional recibe el nombre de hipercubo.

El hecho de disponer de la información espacial aporta versatilidad al análisis dado que se pueden obtener las denominadas imágenes químicas. En ellas se puede recrear la distribución de un parámetro de calidad sobre la propia muestra con el fin de identificar zonas que puedan derivarse a diferentes usos.

Una vez registrada la información espectral, estos datos han de procesarse mediante algoritmos de quimiometría. Se entiende como quimiometría el uso y modelización de métodos estadísticos y matemáticos a partir de datos de origen biológico o químico.

El procesado de datos habitualmente se realiza en softwares específicos como MATLAB®, R o Python, aplicando algoritmos no supervisados para la exploración de los datos espectrales (análisis de componentes principales, PCA), métodos supervisados de clasificación cualitativa (análisis discriminante por mínimos cuadrados parciales, PLS-DA; y máquinas de vectores soporte, SVM) o métodos para la predicción cuantitativa (regresión por mínimos cuadrados parciales, PLSR; regresión lineal múltiple, MLR; regresión por componentes principales, PCR).

En la actualidad, el auge de algoritmos basados en inteligencia artificial ha llevado a la proliferación de métodos que emplean redes neuronales o incluso la generación de datos sintéticos para resolver este tipo de tareas.

Las aplicaciones de la tecnología Vis-NIR (de forma individual o combinada con HSI) pueden ser variadas. En términos generales, las técnicas espectroscópicas presentan un buen rendimiento para la discriminación de canales, carne, grasa y productos cárnicos según diversos parámetros de interés, tales como el sistema de alimentación animal, la calidad de la carne y la veracidad de la declaración en el etiquetado.

Concretamente, se ha demostrado la viabilidad de las tecnologías Vis-NIR e HSI para diferenciar canales y carne de vacuno en función del régimen de alimentación de los animales, evaluando tanto el potencial individual de cada región espectral como la combinación de propiedades texturales y espectrales derivadas de las imágenes hiperespectrales.

Otro ámbito de gran interés es la clasificación de muestras cárnicas en función de su terneza instrumental.

Asimismo, este tipo de tecnologías son de gran utilidad para crear sistemas de cribado que verifiquen la conformidad de las hamburguesas de vacuno «Burger meat» con la normativa vigente respecto a los límites permitidos de proteína vegetal añadida.

Dados los elevados porcentajes de acierto que se obtienen en las aplicaciones previamente mencionadas, destaca el potencial de las técnicas espectroscópicas para su integración en líneas de procesado como herramientas de control y garantía de la calidad y autenticidad de la carne.

No obstante, la implementación a escala industrial de este tipo de sistemas es un reto pendiente.

Sara León Escay
Investigadora posdoctoral
Universidad Pública de Navarra

Kizkitza Insausti Barrenetxea
Profesora Titular de Producción Animal
Universidad Pública de Navarra

Ainara López Maestresalas
Profesora Titular de Ingeniería Agroforestal
Universidad Pública de Navarra