Authentification des mélanges blé-légumineuses par Spectroscopie Proche Infrarouge

Janati Idrissi Yassine, Meghar Karima. 2024. Authentification des mélanges blé-légumineuses par Spectroscopie Proche Infrarouge. In : Résumés des communications présentées aux 25èmes rencontres HélioSPIR, Montpellier (France), 11-12 juin 2024. Bastianelli Denis (ed.), Gilles Chaix (ed.). HélioSPIR. Montpellier : Association HélioSPIR, Résumé, p. 28. Rencontres HélioSPIR. 25, Montpellier, France, 11 Juin 2024/12 Juin 2024.

Résumé : La croissance de la demande pour des aliments plus sains et durables a révélé les mélanges de farines blé/légumineuses, en particulier la farine de lentille, comme une option prometteuse pour améliorer la qualité nutritionnelle par rapport aux farines de blé traditionnelles. Cette étude a été réalisée dans le cadre du projet européen IntercropValues, qui vise à exploiter les bénéfices de la culture intercalaire. Plus précisément, l'objectif de cette recherche est d'étudier la qualité des produits agroalimentaires fabriqués à partir de mélanges de deux espèces cultivées dans le même champ typiquement une céréale (blé) et une légumineuse (lentille). Dans cette étude, on compare les résultats de l'imagerie hyperspectral (HSI) et de la spectroscopie dans le proche infrarouge (SPIR) afin d'évaluer la qualité des échantillons de farines blé-lentilles. Au total, 105 échantillons de mélanges de 5 variétés de lentilles et d'une variété de blé, avec différents pourcentages de lentilles, ont été analysés avec un spectromètre SPIR ASD LabSpec 5000 (350-2500 nm) et une caméra HSI Specim FX17 (932-1721 nm). Divers modèles de régression ont été testés pour corréler les pourcentages de lentilles dans les échantillons. 84 échantillons, incluant 4 variétés de lentilles, ont été utilisés pour l'étalonnage, tandis que 21 échantillons d'une variété différente ont servi à tester les modèles. Des prétraitements spectraux (SNV, MSC, SG, Detrend) et leurs combinaisons ont été appliqués aux données spectrales, et les performances des modèles de régression ont été évaluées via les métriques R² et RMSE. Le modèle de régression linéaire multiple (MLR) utilisant les variables spectrales sélectionnées par l'algorithme SPA, après prétraitement SG de dérivé 2, a montré les meilleures performances pour les données HSI avec un R² de 99,39 % et un RMSE de 2,36 pour le modèle de calibration, et un R² de 98,69 % et un RMSE de 3,46 pour le modèle de validation. La précision de prédiction de l'HSI et du SPIR était comparable, probablement grâce à la plus grande population statistique fournie par l'HSI, malgré une gamme spectrale plus petite. L'HSI offre l'avantage de balayer des échantillons entiers, permettant ainsi de visualiser et d'analyser les gradients de composition et l'hétérogénéité des échantillons, ce qui peut être un atout par rapport à la SPIR.

Mots-clés libres : Imagerie hyperspectral, Spectroscopie dans le proche infrarouge, Modélisation supervisée

Auteurs et affiliations

• Janati Idrissi Yassine, USMBA (MAR)
• Meghar Karima, CIRAD-PERSYST-UMR Qualisud (FRA)

Source : Cirad-Agritrop (https://agritrop.cirad.fr/610063/)

Métriques

[ Page générée et mise en cache le 2024-07-24 ]