Développement d'une approche non ciblée utilisant trois spectromètres portatifs combinés à des classificateurs d'ensemble pour l'authentification du lait bovin

Résumé :

Dans le cadre de cette étude, trois spectromètres portatifs Vis/NIR associés à quatre méthodes d'apprentissage automatique ont été développés pour l'analyse d'échantillons de lait bovin authentique et d'échantillons frelatés avec du peroxyde d'hydrogène et de l'hypochlorite de sodium. À cet égard, un arbre ensaché d'ensemble (EBT), un sous-échantillonnage aléatoire, un ensemble boosté (RUS/BE), un ensemble discriminant subspatial aléatoire (RSDE) et un ensemble de sous-espaces aléatoire k/le plus proche voisin (RSE/KNN) ont été proposés et comparés. Les expériences ont été réalisées dans deux scénarios différents. Dans le premier scénario, le lait pur et les échantillons frelatés contenant un adultérant ont été analysés séparément à l'aide de trois spectromètres portatifs. En comparant les résultats des classificateurs d'ensemble pour trois spectromètres/, RSE/KNN a obtenu les meilleurs résultats en termes de précision et d'indice de Youden (96 %/ et 93 % respectivement). Fait intéressant, les résultats de RSE/kNN étaient bien meilleurs que ceux de kNN en tant qu'apprenant de base. Dans le second scénario/, les mélanges de deux adultérants ont été analysés à l'aide de trois spectromètres portables. Parmi eux/ l'un d'entre eux a présenté les meilleurs résultats/ avec une précision prédictive et un indice de Youden de 100 % pour l'EBT/ RSDE et le RSE/kNN.