Análise avançada de sensores espectrais para composição precisa do leite

O leite é um dos produtos mais utilizados, além de ser a matéria-prima de todos os laticínios. Diante disso, a medição dos componentes do leite tornou-se crucial para a indústria de laticínios. Cada produto lácteo requer leite com diferentes proporções de conteúdo. Além disso, para acompanhar a qualidade do produto, o teor de leite deve ser medido regularmente.
Figura 1. A relação entre os dados de referência (análise química) e os resultados previstos do nosso modelo. Cada círculo representa uma amostra de teste onde a coordenada x é o valor de referência e a coordenada y é a previsão do modelo. A linha vermelha representa o modelo ideal e R2 (o valor ideal é 1) mostra o quanto o modelo se afasta do ideal.
Além da indústria de laticínios, a análise do leite também tem um grande impacto na indústria fornecedora de leite. O conteúdo do leite está intimamente relacionado com a saúde do animal e com a qualidade e conteúdo da sua alimentação. Consequentemente, estas medições podem fornecer informações valiosas para melhorar a qualidade e seleção da sua alimentação, bem como informações valiosas para o diagnóstico precoce e tratamento de animais doentes.

Hoje em dia, os métodos mais precisos para análise do leite são os métodos de decomposição química, que são lentos, destrutivos e devem ser realizados em laboratório e não em campo. Na prática, os usuários normalmente coletam amostras de muitos lotes de leite e obtêm uma conclusão média para todos os lotes. A monitorização da saúde e da qualidade da alimentação dos animais utilizando estes métodos é extremamente dispendiosa e muito ineficiente.

Uma ferramenta simples para medição rápida do teor de leite representaria um progresso significativo tanto na indústria leiteira como na indústria leiteira. Esta ferramenta deve ser portátil, acessível e permitir aos usuários analisar suas amostras-alvo de forma não destrutiva e no campo, e de preferência em linha na estação de ordenha, no caso de aplicações de produção leiteira. A miniaturização de espectrômetros de infravermelho próximo (NIR) avançou ao ponto em que instrumentos portáteis poderiam fornecer um meio confiável e acessível para atender a esse propósito.

Quantificar o conteúdo do leite

Para demonstrar a capacidade dos sensores espectrais NeoSpectra em determinar a porcentagem de cada componente – gordura, proteína e lactose – em uma amostra de teste de leite cru, foram implementados os seguintes procedimentos e especificações de teste:

Conjunto de amostra usado:

• 
  As amostras foram coletadas em fazendas locais, onde cada amostra coletada era de um animal diferente para garantir que o espaço amostral tivesse uma boa variação;
  
• 
  Testes químicos destrutivos precisos foram realizados nas amostras para registrar com precisão seu conteúdo;
  
• 
  O número total de amostras colhidas foi 131;
  
• 
  Cada amostra foi medida 5 vezes com o sensor espectral NeoSpectra.
  

Condições de medição:

• 
  As medições foram feitas em reflexão difusa;
  
• 
  Faixa espectral:1300 – 2600 nm;
  
• 
  Tempo de varredura:2s;
  
• 
  Resolução:16nm em λ=1.550 nm;
  
• 
  Tamanho do ponto =3 mm2;
  
• 
  Antecedentes:99% Spectralon™ (um padrão de reflexão com resposta espectral quase plana em NIR);
  
• 
  Todas as medições foram realizadas à temperatura ambiente.
  

Avaliação de dados

Modelos de regressão de mínimos quadrados parciais (PLS) foram construídos para desenvolver uma relação linear entre os espectros e as medidas do teor de leite, que foram determinadas por meio de análise química de laboratório. Este modelo é utilizado na predição das porcentagens do conteúdo da amostra de leite apenas a partir de seu espectro.

O PLS reduz os dados do espectro em um pequeno número de variáveis latentes (LV) para reduzir a complexidade dos dados, uma vez que cada espectro pode originalmente exceder 300 variáveis (comprimentos de onda). As variáveis ​​latentes foram escolhidas de acordo com sua correlação com as respostas (conteúdo do leite no nosso caso); foram escolhidas variáveis ​​com alta correlação e descartadas outras com menor correlação. Em seguida foi ajustada uma regressão linear para relacionar os preditores (L.V. dos espectros) com as respostas (quantificações do teor de leite).

Uma técnica de validação cruzada foi utilizada para calcular o desempenho do modelo PLS, relatando o erro de predição (raiz quadrada média dos erros de todas as amostras) e o coeficiente de determinação (R2) entre os conteúdos previstos e os dados de referência (relatados a partir da análise química). Esta técnica divide os dados em conjuntos de calibração e validação. O conjunto de calibração é usado para treinar o modelo PLS enquanto o conjunto de validação é usado para relatar o desempenho do modelo.

Na iteração seguinte, os conjuntos de validação e calibração foram misturados, outra parte dos dados foi tomada como conjunto de validação e, finalmente, o treinamento do modelo e a validação nos novos conjuntos foram repetidos. O procedimento anterior foi repetido várias vezes até que cada amostra fosse representada uma vez no conjunto de validação. Os resultados da validação cruzada são mostrados na Figura 1.
Figura 2. O sensor espectral NeoSpectra Micro com cabeça óptica e fonte de luz integradas, BGA soldável e comunicação SPI.
Esta investigação desenvolve um modelo de análise de leite aplicando métodos de pré-processamento aos espectros e depois usando PLS para construir um modelo de regressão. Na fase de predição, o modelo desenvolvido é utilizado para prever o conteúdo da amostra de teste.

Os resultados demonstraram claramente que os espectros das amostras de leite cru medidos com sensores espectrais NeoSpectra fornecem dados analíticos adequados para medir com precisão o conteúdo do leite com um erro inferior a 8% da faixa completa para qualquer um dos componentes, em oposição a um erro de 9% usando uma ferramenta comercial de análise de bancada baseada em ultrassom para o mesmo conjunto de amostras.

Por outro lado, o erro absoluto destas investigações é ligeiramente melhor na previsão das percentagens de proteína e lactose em comparação com os números relatados em trabalhos de investigação utilizando espectrómetros de bancada de laboratório disponíveis comercialmente. No entanto, o erro absoluto para prever os percentuais de gordura não foi tão bom devido ao pequeno tamanho do ponto utilizado. Os sensores espectrais NeoSpectra podem suportar tamanhos de pontos maiores para resolver esses problemas. Isto valida o potencial desta tecnologia para permitir testes rápidos e não destrutivos em campo e sem a necessidade de preparação de amostras, utilizando uma tecnologia de baixo custo que permite uma solução escalável para qualificação do leite.

Este artigo foi escrito por Amr Wassal, vice-presidente de engenharia de sistemas, e Mohamed Hossam, engenheiro sênior de software incorporado, Si-Ware Systems (La Canada, CA). Para mais informações, entre em contato com os autores em Este endereço de e-mail está protegido contra spambots. Você precisa do JavaScript habilitado para visualizá-lo. ou visite aqui  .