Nos últimos anos as administracións públicas veñen prestando cada vez máis atención a garantir a autenticidade e integridade dos alimentos debido ao aumento dos casos de fraude alimentario, situacións que poden ter implicacións económicas e tamén na saúde humana. E é que garantir a autenticidade dos alimentos permite non só que os produtos sexan recoñecidos pola súa natureza, substancia ou calidade, senón que tamén axuda a detectar contaminación e adulteración.
Neste contexto é clave desenvolver métodos e sistemas áxiles, precisos e sinxelos que permitan realizar estas verificacións e as novas tecnoloxías poden converterse nunha ferramenta esencial. Isto é o que propón un proxecto SmartControl liderado pola Universidade de Vigo seleccionado na convocatoria nacional de proxectos de Xeración de Coñecemento. Coordinado polo catedrático Jesús Simal Gándara, membro do grupo de Investigacións Agrarias e Alimentarias (AA1), a investigación céntrase en desenvolver un sistema que permita certificar a autenticidade de sementes, fariñas e elaborados en polvo/texturizados de cereais, leguminosas e froitos secos. Para iso propóñense empregar imaxes hiperespectrais e métodos de aprendizaxe automático (SmartControl). Cun orzamento de 212.500€, o proxecto no que tamén está involucrado o investigador Gonzalo Astray, acaba de botar a andar e desenvolverase ata agosto de 2027 contando cun equipo multidisciplinar de áreas como a tecnoloxía alimentaria, a enxeñaría industrial, a enxeñaría informática, a química e a farmacia. A estes únense os esforzos de especialistas en análise química, procesado de alimentos, tecnoloxía do procesado de imaxes e intelixencia artificial. Esta colaboración, subliñan, “permítenos abordar os desafíos técnicos do proxecto e desenvolver solucións innovadoras”.
A capacidade das imaxes hiperespectrais
Para detallar en que consisten as imaxes hiperespectrais, Jesús Simal Gándara, catedrático do Departamento de Química analítica e alimentaria e investigador do Cispac, Centro de Investigación Interuniversitario das Paisaxes Atlánticas Culturais, explica que habería que imaxinar “ter un súper sentido do olfacto que permite distinguir miles de aromas diferentes, incluso os máis sutís. Trataríase de algo así, pero coa vista”. Deste xeito, en lugar de ver só o vermello, verde e azul que os ollos humanos captan, “estas imaxes poden ‘ver’ centos ou incluso miles de cores diferentes, que nós non podemos percibir”. Esa capacidade é o que permite obter información “moi detallada sobre os obxectos que estamos observando e, por exemplo, relacionala coa composición química dun alimento, detectar enfermidades en plantas ou incluso identificar minerais nunha rocha. É como ter unha especie de raios X, pero moito máis sofisticado”, concreta o científico.
Precisamente, como explica Simal, “este innovador proxecto baséase na hipótese de que esas imaxes hiperespectrais combinadas con métodos avanzados de aprendizaxe automático (ML) poden representar unha revolución para a avaliación da autenticidade de sementes, fariñas e polvos e produtos texturizados de cereais, legumes e froitos secos”. A finalidade é desenvolver un sistema SmartControl que, “empregando as firmas espectrais inherentes a estes produtos alimentarios, poida identificar e autenticar con precisión a súa composición, orixe e calidade”.
Arroz, noces e garavanzos con IXP
A investigación céntrase en produtos de diferentes denominacións de orixe protexidas ou indicacións xeográficas protexidas españolas. Trátase, en todos os casos, como sinalan os investigadores, de “cultivos vitais en España”, polo que é de especial interese garantir a súa autenticidade e calidade. Neste sentido, Simal e Astray destacan a “importancia fundamental” destes produtos para a alimentación humana e lembran que, por exemplo, o 95% da produción de arroz se destina á alimentación ao formar parte da dieta de máis da metade da poboación mundial. Ademais, explican, estes cultivos contribúen ao mantemento da biodiversidade e á calidade das paisaxes favorecendo a produción local e reducindo as importacións destas materias primas e, polo tanto, axudan a reducir o uso de combustibles fósiles e a pegada de carbono. Finalmente, subliñan que “son potencialmente materias primas dunha gran variedade de produtos alimenticios nutritivos, saudables e veganos”.
Procedemento
O proxecto márcase tres obxectivos fundamentais. O primeiro é establecer unha base de datos hiperespectral para unha ampla variedade de sementes, fariñas e polvos, e produtos texturizados de cereais, legumes e froitos secos orientada a capturar as pegadas espectrais inherentes. O segundo é desenvolver modelos de aprendizaxe automático, adestrando modelos de machine learning de última xeración capaces de distinguir entre os produtos alimentarios previamente numerados. O terceiro paso será o desenvolvemento dun sistema SmartControl que incorporará los modelos de ML deseñados a un sistema de control integrable en liñas de procesado de alimentos, de modo que sexa posible a avaliación non destrutiva e en tempo real, asegurando a autenticidade do produto e contribuíndo a manter a súa calidade.
Esta innovadora estratexia engloba fusión multiespectral (orientada a captar unha maior amplitude de lonxitudes de onda, permitindo unha mellor comprensión da composición dos alimentos); arquitecturas tradicionais e de aprendizaxe profundo (para extraer patróns e relacións intrínsecas entre os diferentes datos, permitindo ao sistema a capacidade de identificar marcadores de autenticidade); e, finalmente, monitorización en tempo real, que permitirá a produtores e industria tomar medidas correctivas rápidas cando se detecten discrepancias.
Superar as limitacións existentes na avaliación da autenticidade de alimentos
Os investigadores lembran que na actualidade un gran número de métodos para garantir a autenticidade das sementes e fariñas teñen unha utilidade limitada porque requiren “equipos caros, moito tempo de análise e formación profesional”. O equipo da UVigo propón un novo método de detección “máis fácil de usar, moi preciso e rápido”.
Este sistema, detalla o investigador, podería aplicarse en diferentes puntos da cadea de produción, dependendo das necesidades específicas de cada sector. Por exemplo, no eido da industria alimentaria poderíase implantar no control de calidade para “detectar defectos nos alimentos que non son visibles a simple vista, como moho ou contaminantes”; no momento da clasificación, para separar produtos segundo a súa calidade ou variedade ou tamén para loitar contra o fraude. Nestes aspecto os investigadores subliñan que se trataría de evitar a substitución de materias primas por outras de inferior calidade ou que non reúnen os “duros requisitos de denominacións de orixe protexidas”. Ademais, o sistema tamén permitiría optimizar procesos e mellorar a eficiencia da produción, reducindo o desperdicio de alimentos.
Por outra banda, como explica Simal, “no caso das plantas de procesado, poderíamos instalar os nosos equipos nas liñas de produción para realizar análise en tempo real. Por exemplo, no empaquetado, poderían empregarse para verificar a calidade dos produtos antes de ser enviados ao consumidor. Ademais, destacan que esta metodoloxía proposta para seis indicacións xeográficas protexidas “podería transferirse posteriormente a outras rexións de España e Europa”.
O proxecto xa arrancou hai uns meses e agora mesmo están a traballar no deseño dun prototipo de sistema hiperespectral. “O noso obxectivo é desenvolver unha tecnoloxía que sexa accesible e fácil de usar para as empresas de diferentes sectores”.