Les spectres proche infrarouge utilisés pour le contrôle de la qualité des aliments sont assez complexes à analyser. Ils contiennent des harmoniques et des spectres combinés à large bande et d'intensité inférieure de quelques ordres de grandeur à celle de la bande fondamentale de l'infrarouge moyen1,2. Voici un exemple de spectre proche infrarouge.
De nombreux fournisseurs de produits alimentaires et nutritionnels recherchent un instrument portable proche infrarouge capable de mesurer et de trier les ingrédients de leurs matières premières. Il ne s'agit pas seulement d'un défi matériel : la mesure du spectre de réflectance par le matériel et sa conversion en spectre d'absorption par l'application ne constituent que la première étape du processus. Le plus difficile est d'utiliser un modèle chimiométrique tel qu'une analyse en composantes principales (ACP) pour le tri/l'identification ou un modèle des moindres carrés partiels (PLS) pour les prédictions quantitatives. Chaque modèle doit avoir son propre ensemble de spectres d'étalonnage, de préférence accessibles via une plateforme cloud. Finalement, une application doit assurer une communication bidirectionnelle avec le cloud. Les mesures prises par l'instrument sont directement enregistrées dans le nuage, qui, à son tour, exécute le modèle spécifique et retourne les résultats de l'évaluation à l'utilisateur. Ainsi, par exemple, un opérateur non qualifié pourrait effectuer toutes les mesures d'une simple pression sur un bouton et classer ou quantifier les objets testés rapidement et avec précision.
Allied Scientific Pro (ASP) offers the Nirvascan spectrometer which is a handheld spectro-photometer that measures the reflectance spectrum of an object in the range 900-1700 nm.
Bien que le développement d'une application infonuagique soit un objectif à court terme, ASP a jeté les bases en développant un nuage sur PC appelé NirvaCloud. Il est possible de télécharger des spectres et de les classer par groupe sous un profil NIR. Il est ainsi possible de tracer simultanément des profils NIR contenant des centaines de spectres de raisins de cuve, par exemple. La figure 3 illustre le tracé d'un profil NIR de raisin.
One can plot the NIR profiles containing hundreds of spectra of say wine grapes all at once. Figure 3 shows the plotting of a grape NIR profile. One can make a PCA model or a PLS model from different sets of NIR profiles and apply them to a test set.
On peut faire une correspondance de nuages en appliquant un modèle à un spectre inconnu. Dans l'exemple ci-dessous, un modèle composé de vitamines, de tomates et de raisins a été comparé à un spectre de vitamines (le carré gris) et a été correctement identifié, comme illustré à la figure 5.
Nirva-Cloud is also capable of doing quantitative predictions by creating PLS models from a calibration data set and applying it against a validation set. It is important to note that the pre-processing of data will improve the R-squared of prediction because it gets rid of the offsets and makes absorption peaks more visible.
Le modèle PLS réalisé à partir des spectres de raisin prétraités a été appliqué à l'ensemble de validation de raisin prétraité et les prédictions suivantes ont été obtenues comme indiqué dans la figure 7.
Si le prétraitement n'avait pas été effectué, le R-carré aurait été proche de 0,5.
Le service infonuagique est offert aux clients avec un essai gratuit de trois mois, après quoi des frais d'abonnement seront facturés. Les clients ont aussi la possibilité de contribuer à la bibliothèque infonuagique en partageant leurs données et en percevant éventuellement des redevances.
Références :
1- Dahm DJ, Dahm KD. 2001. La physique de la diffusion dans le proche infrarouge. Dans Williams P, Norris K, éditeurs. Technologie du proche infrarouge dans les industries agricoles et alimentaires, 2e éd., Saint Paul : American Association of Cereal Chemists, p. 19-37.
2- C.E. Miller, « Principes chimiques de la technologie du proche infrarouge », chapitre 2 de Near Infrared Technology: In the Agricultural and Food Industry, P. Williams et K. Norris (éditeurs), Amer. Assn. de Cereal Chemists ; 2e éd. (15 novembre 2001).