Aplicación de técnicas de imágenes hiperespectrales en el infrarrojo cercano para la determinación de contaminación fúngica y deoxinivalenol en trigo

Autor: Bainotti, Maria Belén
Přispěvatelé: Marín Sillué, Sònia, Femenias, Antoni, Universitat de Lleida. Escola Tècnica Superior d'Enginyeria Agrària
Předmět:
Zdroj: Recercat. Dipósit de la Recerca de Catalunya
instname
Repositorio Abierto de la UdL
Universitad de Lleida
Recercat: Dipósit de la Recerca de Catalunya
Varias* (Consorci de Biblioteques Universitáries de Catalunya, Centre de Serveis Científics i Acadèmics de Catalunya)
Popis: Los grandes efectos nocivos para la salud de humanos y animales por consumo de alimentos contaminados con hongos micotoxigénicos y sus toxinas son un riesgo de seguridad alimentaria que involucra a todas las partes de la cadena alimentaria, por lo que es de vital importancia su gestión y control integrado. Con el fin de reducir este riesgo, la adquisición de imágenes hiperespectrales en el infrarrojo cercano (HSI-NIR) se considera una técnica emergente, rápida y prometedora capaz de reemplazar los métodos clásicos, costosos y destructivos, que requieren mucho tiempo para evaluar muestras de cereales contaminadas con deoxinivalenol (DON). En este trabajo final de máster se ha desarrollado la técnica de espectroscopía HSI-NIR con el objetivo de obtener métodos de alta precisión que permitan la cuantificación y clasificación del DON, así como también la determinación de ergosterol, en muestras de trigo y en granos individuales naturalmente contaminadas. Concretamente, se analizaron las dos determinaciones mediante cromatografía líquida de alta resolución (HPLC) como método de referencia y se obtuvieron imágenes hiperespectrales de cada una. Los datos espectrales se procesaron mediante un software de análisis multivariante. Los mejores modelos de predicción mediante regresión de mínimos cuadrados parciales (PLSR) revelaron que la técnica HSI-NIR es capaz de predecir la concentración de ergosterol en muestras de trigo con un RMSEP (error cuadrático medio de predicción) de 1,17 μg/kg y un R2 (coeficiente de determinación) de 0,89. A su vez, la mejor predicción de DON en muestras obtuvo un RMSEP de 501,36 μg/kg y R2 de 0,61 mientras que en granos individuales un RMSEP de 0,88 μg/kg y R2 de 0,88. La mejor precisión de clasificación obtenida mediante el modelo de análisis discriminante lineal (LDA) fue del 82,93% en muestras a granel y del 90,10% en granos individuales para dos categorías, según el nivel máximo de la UE (1250 μg/kg). También se evaluaron granos individuales según su sintomatología asociada a fusariosis de la espiga (FHB), con un 100% de clasificación. Los parámetros obtenidos en los diferentes modelos de predicción y clasificación confirman la posibilidad de aplicar la técnica HSI-NIR en la evaluación de granos de trigo, pero algunos no son lo suficientemente precisos, por lo que debe perfeccionarse, ajustarse a cada necesidad y considerarse un punto de partida para mejorar aún más los protocolos para la gestión de DON. The great harmful effects on the health of humans and animals from the consumption of food contaminated with mycotoxigenic fungi and their toxins is a food safety risk that involves all parts of the food chain and its integrated management and control is of vital importance. In order to reduce this risk, hyperspectral imaging in the near infrared (HSI-NIR) is considered an emerging, rapid and promising technique capable of replacing the classical, expensive and destructive, time-consuming methods of evaluating samples of cereals contaminated with deoxynivalenol (DON). In this master final project, the HSI-NIR spectroscopy technique has been developed with the aim of obtaining high accuracy methods that allow determining the quantification and classification of deoxynivalenol (DON), as well as the ergosterol determination, in wheat samples at naturally contaminated bulk and individual grains. Specifically, the wheat samples were analyzed using high performance liquid chromatography (HPLC) as a reference method, hyperspectral images of each one were obtained, and the spectral data were processed by multivariate analysis software. The best prediction models using partial least squares regression (PLSR) revealed that HSI-NIR is able to predict ergosterol concentration in bulk wheat samples with a RMSEP (mean square error of prediction) of 1.17 μg/kg and an R2 (coefficient of determination) of 0.89. In turn, the best DON prediction in bulk samples obtained an RMSEP of 501.36 μg/kg and R2 of 0.61, while in individual grain samples an RMSEP of 0.88 μg/kg and R2 of 0. 88. The best classification precision obtained by the linear discriminant analysis (LDA) model was 82.93% in bulk samples and 90.10% in individual grains for two categories, according to the maximum EU level (1250 μg/kg). Individual grains were also evaluated according to their symptoms associated with Fusarium Head Blight (FHB), with a 100% classification. The parameters obtained in the different prediction and classification models confirm the possibility of applying the HSI-NIR technique in the evaluation of wheat grains, but some are not sufficiently precise. Therefore, it must be refined, adjusted to each need, and considered a starting point to further improve the protocols for DON management. Els grans efectes nocius per a la salut d'humans i animals per consum d'aliments contaminats amb fongs micotoxigénics i les seves toxines son un risc de seguretat alimentària que involucra a totes les parts de la cadena alimentària i és de vital importància la seva gestió i control integrat. Per tal de reduir aquest risc, l'adquisició d'imatges hiperespectrals en l'infraroig proper (HSI-NIR) es considera una tècnica emergent, ràpida i prometedora capaç de reemplaçar els mètodes clàssics, costosos i destructius, que requereixen molt de temps per avaluar mostres de cereals contaminades amb deoxinivalenol (DON). En aquest treball final de màster s'ha desenvolupat la tècnica d'espectroscòpia HSI-NIR amb l'objectiu d'obtenir mètodes d'alta precisió que permeten determinar la quantificació i classificació de deoxinivalenol (DON), així com també la determinació ergosterol, en mostres de blat a granel i en grans individuals naturalment contaminats. Concretament, es van analitzar els dos tipus de mostres de blat mitjançant cromatografia líquida d'alta resolució (HPLC) com a mètode de referència, es van obtenir imatges hiperespectrals de cadascuna, i les dades espectrals es van processar mitjançant un programari d'anàlisi multivariant. Els millors models de predicció mitjançant regressió de mínims quadrats parcials (PLSR) van revelar que HSI-NIR és capaç de predir la concentració d'ergosterol en mostres de blat a granel amb un RMSEP (error quadràtic mitjà de predicció) de 1,17 mg/kg i un R2 (coeficient de determinació) de 0,89. Al seu torn, la millor predicció de DO en mostres a granel va obtenir un RMSEP de 501,36 mg/kg i R2 de 0,61 mentre que en mostres de grans individuals un RMSEP de 0,88 mg/kg i R2 de 0,88. La millor precisió de classificació obtinguda mitjançant el model d'anàlisi discriminant lineal (LDA) va ser de l'82,93% en mostres a granel i de l'90,10% en grans individuals per a dues categories, segons el nivell màxim de la UE (1250 mg/kg). També es van avaluar grans individuals segons la seva simptomatologia associada a fusariosis de l'espiga (FHB), amb un 100% de classificació. Els paràmetres obtinguts en els diferents models de predicció i classificació confirmen la possibilitat d'aplicar la tècnica HSI-NIR en l'avaluació de grans de blat, però alguns, no són prou precisos. Pel que ha de ha de perfeccionar-se, ajustar-se a cada necessitat i considerar-se un punt de partida per millorar encara més els protocols per a la gestió de DON.
Databáze: OpenAIRE
Externí odkaz: