Explorando el Aprendizaje Profundo para Predecir la Adulteración de Leche de Coco Usando Espectroscopia FT-NIR y Micro-NIR

Identificar con precisión los adulterantes en productos agrícolas y alimentarios está asociado con la prevención de actividades de fraude comercial y de seguridad alimentaria. Sin embargo, un modelo de predicción rápido, preciso y robusto para la detección de adulteración es difícil de lograr en la práctica. Por lo tanto, este estudio tuvo como objetivo explorar algoritmos de aprendizaje profundo como un enfoque para identificar con precisión el nivel de adulteración de la leche de coco utilizando dos tipos de espectrofotómetros NIR, incluyendo FT-NIR de sobremesa y Micro-NIR portátil. Las muestras de adulteración de leche de coco provinieron de una adulteración deliberada con harina de maíz y almidón de tapioca en un rango del 1 al 50%. Se desarrollaron y probaron un total de cuatro tipos de arquitecturas de algoritmos de aprendizaje profundo que fueron auto-modificadas a un marco unidimensional para el conjunto de datos NIR, incluyendo CNN simple, S-AlexNET, ResNET y GoogleNET. Los resultados confirmaron la viabilidad de los algoritmos de aprendizaje profundo para predecir el grado de adulteración de la leche de coco por harina de maíz y almidón de tapioca utilizando espectros NIR con un rendimiento confiable (R2 de 0.886–0.999, RMSE de 0.370–6.108%, y sesgo de −0.176–1.481). Además, la relación de desviación porcentual (RPD) de todos los algoritmos con todos los tipos de espectrofotómetros NIR indica una excelente capacidad para predicciones cuantitativas para cualquier aplicación (RPD > 8.1) excepto para el caso de predecir almidón de tapioca, utilizando FT-NIR por ResNET (RPD < 3.0). Este estudio demostró la viabilidad de usar algoritmos de aprendizaje profundo y datos espectrales NIR como una forma rápida, precisa, robusta y no destructiva para evaluar los adulterantes de la leche de coco. Por último, pero no menos importante, el Micro-NIR es más prometedor que el FT-NIR en la predicción de la adulteración de leche de coco a partir de adulterantes sólidos y es portátil para mediciones in situ en el futuro.