�鶹����

Nos últimos anos as administracins públicas veen prestando cada vez mis atencin a garantir a autenticidade e integridade dos alimentos debido ao aumento dos casos de fraude alimentario, situacins que poden ter implicacins econmicas e tamén na saúde humana. E é que garantir a autenticidade dos alimentos permite non s que os produtos sexan recoecidos pola súa natureza, substancia ou calidade, senn que tamén axuda a detectar contaminacin e adulteracin. 

Neste contexto é clave desenvolver métodos e sistemas xiles, precisos e sinxelos que permitan realizar estas verificacins e as novas tecnoloxas poden converterse nunha ferramenta esencial. Isto é o que propn un proxecto SmartControl liderado pola �鶹���� seleccionado na convocatoria nacional de proxectos de Xeracin de Coecemento. Coordinado polo catedrtico Jesús Simal Gndara, membro do grupo de ���Ա�����پ�����������s Agrarias e Alimentarias (AA1), a investigacin céntrase en desenvolver un sistema que permita certificar a autenticidade de sementes, farias e elaborados en polvo/texturizados de cereais, leguminosas e froitos secos. Para iso propense empregar imaxes hiperespectrais e métodos de aprendizaxe automtico (SmartControl). Cun orzamento de 212.500€, o proxecto no que tamén est involucrado o investigador Gonzalo Astray, acaba de botar a andar e desenvolverase ata agosto de 2027 contando cun equipo multidisciplinar de reas como a tecnoloxa alimentaria, a enxeara industrial, a enxeara informtica, a qumica e a farmacia. A estes únense os esforzos de especialistas en anlise qumica, procesado de alimentos, tecnoloxa do procesado de imaxes e intelixencia artificial. Esta colaboracin, sublian, “permtenos abordar os desafos técnicos do proxecto e desenvolver solucins innovadoras”.

A capacidade das imaxes hiperespectrais

Para detallar en que consisten as imaxes hiperespectrais, Jesús Simal Gndara, catedrtico do Departamento de Qumica analtica e alimentaria e investigador do Cispac, Centro de ���Ա�����پ����������� Interuniversitario das Paisaxes Atlnticas Culturais, explica que habera que imaxinar “ter un súper sentido do olfacto que permite distinguir miles de aromas diferentes, incluso os mis suts. Tratarase de algo as, pero coa vista”. Deste xeito, en lugar de ver s o vermello, verde e azul que os ollos humanos captan, “estas imaxes poden ‘ver’ centos ou incluso miles de cores diferentes, que ns non podemos percibir”. Esa capacidade é o que permite obter informacin “moi detallada sobre os obxectos que estamos observando e, por exemplo, relacionala coa composicin qumica dun alimento, detectar enfermidades en plantas ou incluso identificar minerais nunha rocha. É como ter unha especie de raios X, pero moito mis sofisticado”, concreta o cientfico.

Precisamente, como explica Simal, “este innovador proxecto baséase na hiptese de que esas imaxes hiperespectrais combinadas con métodos avanzados de aprendizaxe automtico (ML) poden representar unha revolucin para a avaliacin da autenticidade de sementes, farias 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 precisin a súa composicin, orixe e calidade”.

Arroz, noces e garavanzos con IXP

A investigacin céntrase en produtos de diferentes denominacins de orixe protexidas ou indicacins xeogrficas protexidas espaolas. Trtase, en todos os casos, como sinalan os investigadores, de “cultivos vitais en Espaa”, 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 alimentacin humana e lembran que, por exemplo, o 95% da producin de arroz se destina alimentacin ao formar parte da dieta de mis da metade da poboacin mundial. Ademais, explican, estes cultivos contribúen ao mantemento da biodiversidade e calidade das paisaxes favorecendo a producin local e reducindo as importacins destas materias primas e, polo tanto, axudan a reducir o uso de combustibles fsiles e a pegada de carbono. Finalmente, sublian que “son potencialmente materias primas dunha gran variedade de produtos alimenticios nutritivos, saudables e veganos”.

�ʰ��dz����𳾱�Գٴ���

O proxecto mrcase tres obxectivos fundamentais. O primeiro é establecer unha base de datos hiperespectral para unha ampla variedade de sementes, farias 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 automtico, adestrando modelos de machine learning de última xeracin capaces de distinguir entre os produtos alimentarios previamente numerados. O terceiro paso ser o desenvolvemento dun  sistema SmartControl que incorporar los modelos de ML deseados a un sistema de control integrable en lias de procesado de alimentos, de modo que sexa posible a avaliacin non destrutiva e en tempo real, asegurando a autenticidade do produto e contribundo a manter a súa calidade. 

Esta innovadora estratexia engloba fusin multiespectral (orientada a captar unha maior amplitude de lonxitudes de onda, permitindo unha mellor comprensin da composicin dos alimentos); arquitecturas tradicionais e de aprendizaxe profundo (para extraer patrns e relacins intrnsecas entre os diferentes datos, permitindo ao sistema a capacidade de identificar marcadores de autenticidade); e, finalmente, monitorizacin en tempo real, que permitir a produtores e industria tomar medidas correctivas rpidas cando se detecten discrepancias.

Superar as limitacins existentes na avaliacin da autenticidade de alimentos

Os investigadores lembran que na actualidade un gran número de métodos para garantir a autenticidade das sementes e farias teen unha utilidade limitada porque requiren “equipos caros, moito tempo de anlise e formacin profesional”. O equipo da �鶹���� propn un novo método de deteccin “mis fcil de usar, moi preciso e rpido”.

Este sistema, detalla o investigador, podera aplicarse en diferentes puntos da cadea de producin, dependendo das necesidades especficas de cada sector. Por exemplo, no eido da industria alimentaria poderase implantar no control de calidade para “detectar defectos nos alimentos que non son visibles a simple vista, como moho ou contaminantes”; no momento da clasificacin, para separar produtos segundo a súa calidade ou variedade ou tamén para loitar contra o fraude. Nestes aspecto os investigadores sublian que se tratara de evitar a substitucin de materias primas por outras de inferior calidade ou que non reúnen os “duros requisitos de denominacins de orixe protexidas”. Ademais, o sistema tamén permitira optimizar procesos e mellorar a eficiencia da producin, reducindo o desperdicio de alimentos.

Por outra banda, como explica Simal, “no caso das plantas de procesado, poderamos instalar os nosos equipos nas lias de producin para realizar anlise en tempo real. Por exemplo, no empaquetado, poderan empregarse para verificar a calidade dos produtos antes de ser enviados ao consumidor. Ademais, destacan que esta metodoloxa proposta para seis indicacins xeogrficas protexidas “podera transferirse posteriormente a outras rexins de Espaa e Europa”.

O proxecto xa arrancou hai uns meses e agora mesmo estn a traballar no deseo dun prototipo de sistema hiperespectral. “O noso obxectivo é desenvolver unha tecnoloxa que sexa accesible e fcil de usar para as empresas de diferentes sectores”.