Sur l'importance d'étudier la structure des données dans les mesures de spectroscopie NIR miniaturisées des aliments : étude de cas sur le sucre

Résumé :

Parallèlement aux preuves croissantes de l'efficacité des instruments NIR miniaturisés dans des scénarios liés à l'alimentation, le nombre d'utilisateurs finaux augmente progressivement, même en raison du faible coût des capteurs. Bien que l'attention soit portée au protocole analytique, de l'échantillonnage à la collecte des données, en passant par le traitement des données, l'importance de la recherche d'erreurs dans les données brutes est généralement sous-estimée. La compréhension des sources et de la structure de l'incertitude liée aux données brutes améliore la qualité des mesures et suggère une planification correcte des expériences, tout en contribuant au développement de modèles chimiométriques. L'objectif de la modélisation chimiométrique est de séparer les informations du bruit ; par conséquent, une description de la nature de la structure des erreurs de mesure est nécessaire. Parmi les différentes approches, nous présentons l'étude des matrices de covariance d'erreur (ECM) et leur décomposition dans une structure bilinéaire comme une méthode puissante pour étudier les principales sources de variabilité lors de l'utilisation de capteurs NIR miniaturisés dans le mode d'utilisation réel. Des échantillons de sucre granulé et de sucre en morceaux ont été choisis comme étude de cas et analysés à l'aide de deux spectromètres miniaturisés fonctionnant dans les régions NIR autour de 1350—2550 nm et 900—1750 nm, respectivement, en mode de réflectance dispersive. Les résultats montrent qu'il pourrait être intéressant de disposer de quelques informations sur les erreurs de mesure multivariées associées aux spectres pour ouvrir la voie à plusieurs applications.