Analyse spectrale avancée pour une composition précise du lait

Le lait est l'un des produits les plus largement utilisés, ainsi que la matière première de tous les produits laitiers. Étant donné cela, la mesure des composants du lait est devenue très cruciale pour l'industrie laitière. Chaque produit laitier nécessite du lait avec différents ratios de ses contenus. De plus, afin de suivre la qualité du produit, les contenus du lait devraient être mesurés régulièrement.

Figure 1. La relation entre les données de référence (analyse chimique) et les résultats prédits de notre modèle. Chaque cercle représente un échantillon de test où la coordonnée x est la valeur de référence et la coordonnée y est la prédiction du modèle. La ligne rouge représente le modèle idéal et R2 (valeur idéale est 1) montre à quel point le modèle s'écarte de l'idéal.

Impact au-delà de l'industrie laitière

Outre l'industrie laitière, l'analyse du lait a un impact élevé sur l'industrie agricole d'approvisionnement en lait également. Les contenus du lait sont étroitement liés à la santé de l'animal et à la qualité et au contenu de son alimentation. En conséquence, ces mesures peuvent fournir des informations précieuses pour améliorer la qualité et la sélection de leur alimentation, ainsi que des informations précieuses pour le diagnostic précoce et le traitement des animaux malades.

De nos jours, les méthodes les plus précises pour l'analyse du lait sont les méthodes de décomposition chimique qui sont lentes, destructives et doivent être faites en laboratoire, pas sur le terrain. Pratiquement, les utilisateurs prennent normalement des échantillons de nombreux lots de lait et obtiennent une conclusion moyennée pour tous les lots. Surveiller la santé et la qualité de l'alimentation pour les animaux en utilisant ces méthodes est extrêmement cher et très inefficace.

Un outil simple pour la mesure rapide des contenus du lait serait un progrès significatif dans les industries laitières et d'élevage laitier. Cet outil doit être portable, abordable et doit permettre aux utilisateurs d'analyser leurs échantillons cibles de manière non destructive et sur le terrain, et de préférence en ligne dans la station de traite dans le cas d'applications d'élevage laitier. La miniaturisation des spectromètres proche infrarouge (NIR) a progressé au point où des instruments portables pourraient fournir un moyen fiable et abordable pour servir ce but.

Quantifier les contenus du lait

Afin de démontrer la capacité des capteurs spectraux NeoSpectra à déterminer le pourcentage de chaque composant — matières grasses, protéines et lactose — dans un échantillon de test de lait cru, les procédures et spécifications de test suivantes ont été implémentées :

Jeu d'échantillons utilisé :

• Les échantillons ont été collectés dans des fermes locales, où chaque échantillon collecté provenait d'un animal différent pour s'assurer que l'espace d'échantillonnage avait une bonne variance ;
• Des tests chimiques destructifs précis ont été effectués sur les échantillons pour enregistrer précisément leurs contenus ;
• Le nombre total d'échantillons prélevés était de 131 ;
• Chaque échantillon a été mesuré 5 fois avec le capteur spectral NeoSpectra.

Conditions de mesure :

• Les mesures ont été faites en réflexion diffuse ;
• Plage spectrale : 1300 – 2600 nm ;
• Temps de balayage : 2 s ;
• Résolution : 16 nm à λ=1 550 nm ;
• Taille de spot = 3 mm² ;
• Fond : 99 % Spectralon™ (un standard de réflexion avec une réponse spectrale presque plate en NIR) ;
• Toutes les mesures ont été effectuées à température ambiante.

Évaluation des données

Des modèles de régression des moindres carrés partiels (PLS) ont été construits pour développer une relation linéaire entre les spectres et les mesures de contenu du lait, qui ont été déterminées en utilisant l'analyse chimique en laboratoire. Ce modèle est utilisé dans la prédiction des pourcentages de contenu d'échantillon de lait à partir de son spectre seulement.

PLS réduit les données spectrales en un petit nombre de variables latentes (V.L.) pour réduire la complexité des données, puisque chaque spectre peut originalmente dépasser 300 variables (longueurs d'onde). Les variables latentes ont été choisies selon leur corrélation avec les réponses (contenus du lait dans notre cas) ; les variables avec une corrélation élevée ont été choisies tandis que les autres avec une corrélation plus faible ont été rejetées. Après cela, une régression linéaire a été ajustée pour relier les prédicteurs (V.L. des spectres) aux réponses (quantifications des contenus du lait).

Une technique de validation croisée a été utilisée pour calculer la performance du modèle PLS en rapportant l'erreur de prédiction (racine carrée moyenne des erreurs de tous les échantillons) et le coefficient de détermination (R2) entre les contenus prédits et les données de référence (rapportées de l'analyse chimique). Cette technique divise les données en ensembles d'étalonnage et de validation. L'ensemble d'étalonnage est utilisé pour entraîner le modèle PLS tandis que l'ensemble de validation est utilisé pour rapporter la performance du modèle.

À l'itération suivante, les ensembles de validation et d'étalonnage ont été mélangés ensemble, une autre portion de données a été prise comme ensemble de validation, et finalement, l'entraînement et la validation du modèle sur les nouveaux ensembles ont été répétés. La procédure précédente a été répétée encore et encore jusqu'à ce que chaque échantillon ait été représenté une fois dans l'ensemble de validation. Les résultats de la validation croisée sont montrés dans la Figure 1.

Figure 2. Le capteur spectral NeoSpectra Micro avec tête optique intégrée et source lumineuse, soudable BGA, et communication SPI.

Cette investigation développe un modèle d'analyse de lait en appliquant des méthodes de prétraitement aux spectres, puis en utilisant PLS pour construire un modèle de régression. Dans la phase de prédiction, le modèle développé est utilisé pour prédire le contenu de l'échantillon de test.

Les résultats ont clairement démontré que les spectres des échantillons de lait cru mesurés avec les capteurs spectraux NeoSpectra fournissent des données analytiques appropriées pour mesurer avec précision les contenus du lait avec une erreur inférieure à 8 % de la plage complète pour l'un quelconque des composants, par opposition à une erreur de 9 % en utilisant un outil d'analyse commercial à ultrasons sur le même ensemble d'échantillons.

D'autre part, l'erreur absolue de ces investigations est légèrement meilleure dans la prédiction des pourcentages de protéines et de lactose comparée aux nombres rapportés dans des articles de recherche utilisant des spectromètres de laboratoire commerciaux disponibles. Cependant, l'erreur absolue pour la prédiction des pourcentages de matières grasses n'était pas aussi bonne en raison de la petite taille de spot utilisée. Les capteurs spectraux NeoSpectra peuvent supporter des tailles de spot plus grandes pour adresser de tels problèmes. Cela valide le potentiel de cette technologie pour permettre des tests rapides, non destructifs sur le terrain et sans besoin de préparation d'échantillon en utilisant une technologie à faible coût qui permet une solution évolutive pour la qualification du lait.

Cet article a été écrit par Amr Wassal, VP de l'ingénierie systèmes, et Mohamed Hossam, Ingénieur logiciel embarqué senior, Si-Ware Systems (La Canada, CA). Pour plus d'informations, contactez les auteurs à cette adresse e-mail protégée ou visitez ici.