La demande de poisson a considérablement augmenté ces dernières années, en raison du désir des consommateurs de manger plus sainement. Le marché a réagi en produisant une grande variété de produits de la pêche frais et transformés. Par conséquent, la substitution frauduleuse de poissons de qualité inférieure par des poissons de qualité supérieure est devenue un problème majeur dans l'industrie de la pêche.
(Référence 1).
La substitution de poissons de moindre valeur commerciale peut être volontaire ou résulter d'une substitution erronée due à une forte ressemblance entre les espèces. Il est essentiel de vérifier la qualité des poissons et fruits de mer et de s'assurer que les informations figurant sur l'étiquette (qualité et origine) sont correctes.
Spectroscopie NIR La spectrométrie de masse est la méthode la plus polyvalente pour ce type de test, en raison de sa sensibilité aux molécules organiques, de sa simplicité d'utilisation et de son faible coût. Les récents progrès technologiques en matière d'instrumentation spectroscopique et la disponibilité sur le marché de spectromètres miniaturisés et portables faciliteront cette vérification d'identité dans le secteur agroalimentaire. Il convient également de mentionner l'existence d'autres techniques concurrentes, telles que la résonance magnétique nucléaire (RMN) (référence 1). Imagerie hyperspectrale (Références 1, 2) et la spectroscopie de fluorescence (Référence 1), qui permettent de détecter les fraudes dans le secteur de la pêche. Ces techniques peuvent parfois être utilisées en synergie. Cependant, l'article se concentre sur le rôle de Spectroscopie NIRPour cette tâche, les approches analytiques telles que la chimiométrie jouent un rôle important dans la détection des falsifications, car elles sont capables de reconnaître les similitudes et les différences au sein des spectres, ce qui peut être utilisé pour distinguer les substitutions frauduleuses dans l'industrie de la pêche.
En ce qui concerne les problèmes d’authenticité dans l’industrie du poisson, quatre catégories peuvent être nommées (référence 1) qui sont
• Substitution d'espèces
• Fausse représentation de la méthode de production et du système agricole
• Falsification de l'origine géographique
• Substitution de produits frais pour produits congelés/décongelés
Toutes ces activités frauduleuses et leur détection à l’aide Spectroscopie NIR sont abordés dans cet article. La surveillance des produits de la pêche pour détecter ces activités frauduleuses est entravée par la prolifération croissante de produits de la pêche hautement transformés, pour lesquels la présence de différents types de fraude peut être facilement dissimulée. Des facteurs externes pourraient également être utilisés pour identifier les poissons de chaque catégorie. Par exemple, la présence de niveaux plus élevés de métaux lourds ou de résidus d'antibiotiques et de pesticides est plus probable dans les produits d'élevage que dans les produits sauvages. Cet article examinera ensuite chacune de ces activités frauduleuses.
Substitution d'espèces
Remplacer un poisson de meilleure qualité par un poisson de moindre qualité ou contrefait est un problème courant qui s'aggrave de jour en jour. Un test scientifique in situ permettant de confirmer rapidement la composition du poisson telle qu'indiquée sur l'étiquette est très demandé. La figure 1 illustre la substitution d'espèces.
Figure 1 : Substitution frauduleuse de poisson
À titre d'exemple de l'utilisation du NIR pour l'identification de substitutions frauduleuses de poissons, on peut citer la recherche menée sur la discrimination entre deux espèces différentes de faible et de forte valeur : le mulet, la morue et la truite. Cette recherche a utilisé un Spectroscopie NIR(906-1048 nm) pour mesurer le corps entier et le filet de chaque espèce, et des analyses chimiométriques telles que l'ACP et la SIMCA ont été réalisées pour établir la distinction (référence 3). Les deux méthodes sont classées dans l'analyse multivariée. Il a été constaté que, bien que l'ACP permette de distinguer les mulets entiers de qualité inférieure des mulets de qualité supérieure, elle échoue dans toutes les autres catégories. En revanche, la SIMCA permet de distinguer les mulets, les cabillauds et les truites de qualité inférieure des mulets de qualité supérieure, tant sous forme de poisson entier que de filet. Utilité de Spectroscopie NIR L'identification des différentes espèces de poissons utilisées pour la fabrication de farine de poisson dans des conditions industrielles a également été explorée (référence 4). La farine de poisson est généralement utilisée pour les produits destinés à l'alimentation animale et non destinés à la consommation humaine. Des mesures dans le proche infrarouge dans la gamme 1100-2500 nm ont été réalisées pour le saumon, le merlan bleu et le maquereau. La dérivée seconde des spectres a été soumise à des méthodes chimiométriques PCA et PLS-DA, et les trois espèces ont été différenciées avec une précision de classification supérieure à 80 %.
Méthode de production et substitution du système agricole
La figure 2 montre un saumon frais et un saumon d'élevage et la différence d'apparence entre les deux
Figure 2 : Différence entre le saumon frais et le saumon d'élevage
Ces dernières années, la production de poissons d'élevage a augmenté régulièrement par rapport à celle de poissons sauvages. Leurs valeurs nutritionnelles diffèrent. Les poissons sauvages contiennent des niveaux plus élevés de protéines musculaires et d'acides gras saturés et polyinsaturés. En revanche, les poissons d'élevage contiennent davantage d'acides gras monoinsaturés et de lipides. Leurs couleurs sont également différentes, comme l'illustre la figure 2. Le saumon d'élevage a une couleur rose plus pâle que le saumon sauvage rougeâtre. À titre d'exemple d'utilisation de la spectroscopie NIR pour distinguer les poissons d'élevage des poissons sauvages, une classification correcte a été réalisée à l'aide de mesures en proche infrarouge et d'une méthode chimiométrique PLS-DA pour différencier les bars d'élevage en bassin béton et les bars d'élevage en cage, avec un taux de réussite de 87 % (Référence 5).
Falsification de la méthode géographique
La figure 3 est une représentation de l’origine géographique du saumon provenant de différentes zones géographiques.
Figure 3 : L'origine géographique de tout type de poisson tel que le saumon pourrait être différente (Référence 6)
Prouver l'origine géographique d'un type particulier de poisson est assez difficile car la modélisation de la variabilité totale des spectres NIR et son orientation vers l'origine géographique implique une somme d'énormes facteurs intrinsèques ou extrinsèques tels que la génétique, le modèle de croissance, l'activité musculaire, la température de l'eau, etc. (Référence 1). Spectroscopie NIRCette distinction est moins fréquemment effectuée et des méthodes multidisciplinaires sont généralement utilisées à cette fin. Ces méthodes prennent en compte les facteurs environnementaux et les informations génétiques qui influencent les caractéristiques finales du poisson.
Français À titre d'exemple d'utilisation de la spectroscopie NIR pour trouver l'origine géographique, on peut se référer à une étude dans laquelle des filets de tilapia chinois provenant de 3 provinces différentes de Chine (Guangdong, Hainan et Fujian) ont été étudiés à l'aide de la spectroscopie NIR (référence 7). Dans l'étude, les spectres proche IR du poisson ont été collectés dans la gamme 1000-2500 nm et une méthode chimiométrique appelée SIMCA a été utilisée avec un taux de réussite de 80 % pour distinguer les différentes origines géographiques. À titre d'autre exemple, des bars européens provenant des provenances de la Méditerranée occidentale, centrale et orientale ont été étudiés par spectroscopie NEAR-IR et une méthode chimiométrique PLS-DA a réussi à classer correctement 100 % des provenances orientales, 88 % centrales et 85 % occidentales (référence 8). La figure 4 montre un spectre prétraité typique d'échantillons de bar et un regroupement basé sur un graphique de score après avoir effectué une analyse PCA où CM, EM et WM font référence à la Méditerranée centrale, orientale et occidentale.
Figure 4 : Spectres prétraités du bar et regroupement des scores en fonction de la situation géographique (référence 8)
Discrimination entre les fruits de mer frais et congelés/décongelés
La figure 5 montre une comparaison entre le saumon frais et le saumon congelé.
Figure 5 : Saumon frais et congelé
Le poisson est généralement congelé pour une conservation plus longue. Cependant, la qualité du poisson congelé est bien inférieure à celle du poisson frais. C'est pourquoi des pratiques frauduleuses tentent souvent de remplacer le poisson frais par du poisson congelé/décongelé. La congélation entraîne des variations chimiques et physiques imperceptibles par les organes sensoriels, et la spectroscopie NIR permet de détecter ces infimes changements. À titre d'exemple d'utilisation de la spectroscopie NIR pour différencier un poisson frais d'un poisson congelé/décongelé, on peut citer une étude portant sur la fraîcheur ou la qualité congelée/décongelée de l'espadon à l'aide de spectres NIR compris entre 1 100 et 2 500 nm (référence 9). Après application de la méthode chimiométrique PLS-DA, une classification réussie à 93 % a été obtenue.
Imagerie hyperspectrale
L'imagerie hyperspectrale utilise des caméras dotées d'un grand nombre de pixels et obtient une image spectrale pour chaque pixel de l'image d'une scène, ce qui permet également de détecter la falsification des poissons. Dans une étude portant sur du flétan frais et congelé/décongelé, caméras hyperspectrales ont été utilisés dans la gamme 380-1030 nm et après application d'une méthode chimiométrique, un taux de réussite de classification de près de 92 % a été obtenu (référence 10).
Spectromètre NIR d'Allied Scientific Pro
Allied Scientific Propropose le spectromètre Nirvascan, qui utilise la technologie DLP (Digital Light Processing) de Texas Instruments. Deux plages de mesure sont disponibles : 900-1 700 nm et 1 350-2 150 nm. Le spectromètre portable, adapté à la détection des impuretés dans les poissons, est le modèle réfléchissant. Le spectre NIR peut être enregistré en quelques secondes par simple pression sur un bouton. Le lien suivant fournit plus d'informations sur ce spectromètre.
https://nirvascan.alliedscientificpro.com/
Références :
1-Approche des problèmes d'authenticité des produits de la mer par spectroscopie qualitative et chimiométrique, S. Ghidini et.al, Molecules, 2019, 24, 1812
2-Évaluation de la qualité des poissons par imagerie hyperspectrale, chapitre 8 de Imagerie hyperspectrale pour l'analyse et le contrôle de la qualité des aliments, édité par Da-Wen Sun, décembre 2010.
3-Authentification spectroscopique proche infrarouge des fruits de mer, N.O’Brien et.al, Journal of near infrared spectroscopy, 2013, 21.
4-Utilité de la spectroscopie de réflectance proche infrarouge (NIR) et de la chimiométrie, pour discriminer les lots de farine de poisson fabriqués avec différentes espèces de poissons, D. Cozzolino et.al, Journal of Agric .Food. Chem, 2005, 53.
5-Application de techniques non invasives pour différencier la qualité du bar cultivé dans différentes conditions, C. Costa et.al, Aquac. Int. 2011, 19.
6-https://fishingbooker.com/blog/types-of-salmon/
7-Prédiction de la composition chimique et de la traçabilité de l'origine géographique des produits de filets de tilapia d'exportation chinois par spectroscopie de réflectance proche infrarouge, Y. Liu et.al, LWT-food Sci.Technology, 2015, 60.
8-Authentification rapide du bar européen selon le mode de production, le système d'élevage et l'origine géographique par spectroscopie proche infrarouge couplée à la chimiométrie, S.Ghidini et.al, Food Chem, 2019, 280.
9-Comparaison de la spectroscopie de réflectance visible et proche infrarouge pour authentifier l'espadon frais et congelé-décongelé, L.Fasolato et.al, J.Aquat. Food. Prod,. Technol. 2012, 21.
10-Application de l'imagerie hyperspectrale visible et proche infrarouge pour différencier les filets de poisson frais et congelés-décongelés, F.Zhu et.al, Food Bioprocess Technol, 2013,6.