tabla de contenido
mantente al día acerca de neospectra
Introducción
Según Allied Market Research, el mercado mundial de productos del mar representó 125 440 millones de dólares en 2017 y se prevé que alcance los 155 320 millones de dólares en 2023, registrando una tasa compuesta anual del 3,6% entre 2017 y 2023. Los cambios en el estilo de vida y las preferencias de los consumidores, el aumento de la renta disponible,
una mayor conciencia sobre los beneficios para la salud asociados con los productos del mar, y una amplia
la disponibilidad de diferentes especies de peces ha impulsado el crecimiento del mercado mundial de productos del mar. Sin embargo, el agotamiento de las poblaciones de peces silvestres obstaculiza el crecimiento del mercado. Se prevé que el segmento de peces planos registre la tasa compuesta anual más rápida, del 4,7%, durante los períodos de pronóstico.
El desafío del etiquetado incorrecto del pescado y la sustitución del pescado
Sin embargo, el agotamiento de las poblaciones de peces silvestres obstaculiza el crecimiento del mercado, y se producen problemas adicionales en la comercialización de los productos del mar porque los productos del mar se etiquetan mal intencional o accidentalmente en la cadena de recolección y procesamiento o porque los pescaderos o restauradores sustituyen una especie por otra. En un análisis realizado en 2013 por el grupo de defensa de los océanos Oceana, los investigadores descubrieron que hasta un tercio del pescado vendido en los Estados Unidos estaba mal etiquetado.
Prácticas actuales de identificación: equipos costosos y escasos.
Como resultado, la investigación sobre la autenticación de especies de peces ha ido en aumento. Sin embargo, esta actividad solo la han llevado a cabo equipos de investigación capacitados que utilizan una de las diversas técnicas espectroscópicas: espectroscopias de infrarrojo cercano (NIR), infrarrojo medio (MIR), Raman, espectroscopias de fluorescencia o absorción ultravioleta-visible (UV-Vis) y resonancia magnética nuclear (RMN) e imágenes hiperespectrales (HSI), algunas de las cuales aún están en desarrollo.
Este equipo es caro, por lo general solo está disponible en laboratorios y requiere personal debidamente capacitado. Se pueden perder días enviando muestras de ida y vuelta desde los laboratorios centrales. El resultado es que tanto los proveedores como los consumidores de pescado no siempre pueden estar seguros de lo que han comprado o consumido.
Escáneres portátiles para la identificación de peces en el campo
Más recientemente, se han desarrollado escáneres portátiles inalámbricos que son prometedores tanto sobre el terreno como en las fábricas. La llegada de los escáneres NIR portátiles puede indicar la posibilidad de contar con más inspectores en los puertos, las pescaderías, los almacenes y los restaurantes y sus alrededores para evitar el etiquetado incorrecto del pescado. Investigadores del Departamento de Química Física de la Universidad de Duisberg-Essen (Alemania) realizaron un estudio en 2019, en el que el equipo utilizó un microsensor NeoSpectra para diferenciar los peces de alta calidad de los de menor calidad, mediante mediciones de la piel de cuatro especies diferentes.
Metodología
El equipo utilizó dos pares diferentes de peces, la trucha de samlet y la trucha de salmón, y el lenguado y el lenguado limonero, que representan especies consideradas superiores desde el punto de vista gastronómico y de precios (muestra, lenguado) y sustitutos más baratos (trucha salmón y lenguado limonero), véase la figura 1.
Los investigadores escanearon los filetes de los peces colocando el sensor directamente sobre la piel (Figura 2). Se realizó un escaneo de referencia con el estándar de reflexión Spectralon™ del 99% de Labsphere. Se registraron 10 espectros con un tiempo de escaneo de 10 segundos en reflexión difusa desde diferentes posiciones de cada pez. El equipo utilizó el software Unscrambler™ para el pretratamiento de los datos y el desarrollo de los modelos PCA (análisis de componentes principales) y SIMCA (modelado independiente suave de analogías de clases).
Sensor NeoSpectra
Trucha de samlet y salmón
Para la comparación entre trucha de muestra y salmón, los investigadores utilizaron 4 filetes de trucha de muestra y 6 filetes de trucha de salmón. La medición de los 100 espectros se muestra después del pretratamiento en la figura 3. Utilizando el modelo PCA, los investigadores pudieron discriminar claramente las dos clases de peces en una gráfica de puntuación en 2D (figura 4). Al utilizar la clasificación SIMCA basada en los dos modelos de PCA para cada clase de peces, los investigadores pudieron utilizar una gráfica de Coomans para determinar a qué clase pertenecían los espectros de un pez desconocido, como una trucha salmón francesa y una trucha salmón alemana.
Lenguado y lenguado de limón
Para la comparación del lenguado y el lenguado de limón, se utilizaron métodos similares. En este caso, las dos especies podrían identificarse claramente incluso a partir del gráfico de longitud de onda inicial (Figura 5). Las especies de peces también podían distinguirse entre sí en la gráfica básica en 2D, mientras que en la gráfica de Coomans se podían identificar especies desconocidas.
EMSC (incluido el rango de truncamiento para PCA).
Conclusiones
El estudio pudo demostrar claramente que, sobre la base de los espectros de reflexión difusa basados en la NIR, tanto para los filetes como para los peces enteros, una persona o un equipo podían utilizar el sensor NeoSpectra para identificar correctamente las especies de peces de aspecto similar. Un dato igualmente significativo es que los peces desconocidos de las dos clases del estudio pudieron asignarse con precisión a la clase correcta mediante el análisis SIMCA.
