^{Alberto Villar Verguizas. Investigador Química de Superficies y Nanotecnologías de Tekniker. alberto.villar@tekniker.es
Mª Jose Saiz. Responsable Nuevas Aplicaciones Analíticas de CNTA. mjsaiz@cnta.es
Marcos Rubio Redondo. Director R & D de Ingeniería y Control Electrónico, S.A. mrubio@inge-con.es}

Los retos medioambientales, de seguridad o de calidad alimentaria del sector agroalimentario y de los pequeños agricultores hacen necesario el desarrollo de nuevas soluciones que permitan optimizar los procesos que integran la cadena de valor y contribuir así a la mejora de la sostenibilidad, la trazabilidad, la eficiencia y la gestión óptima de los recursos.

En el marco del proyecto europeo MEDITOMATO (H2020. Programa PRIMA) Tekniker, junto con el Centro de Nacional de Tecnología y Seguridad Alimentaria (CNTA) e Ingeniería y Control S.A (INGE), han trabajado conjuntamente en el desarrollado de dos tipos de dispositivos sensores basados en espectroscopía NIR para monitorizar la calidad del tomate en tiempo real mediante la determinación de parámetros como el Brix o la acidez. Como usuarios finales y validadores de los dispositivos sensores, han participado las siguientes empresas: Grupo La Caña (Motril, Granada), Arca 2010 (Caserta, Italia) y Kulaca (Bursa, Turquía).

El principal objetivo del proyecto MEDITOMATO consiste en desarrollar soluciones tecnológicas e innovadoras que den soporte a la cadena de valor del tomate desde la producción hasta el procesado y la distribución final. Las soluciones planteadas permitirán al sector, y especialmente a pequeños agricultores, progresar a diferentes niveles, tanto medioambiental, seguridad y calidad alimentaria, sostenibilidad, trazabilidad, eficiencia o gestión de recursos, contribuyendo así a un mayor desarrollo rural y social del sector agroalimentario en la zona del Mediterráneo.

A la hora de arrancar el proyecto, uno de los principales retos consistía en desarrollar una herramienta analítica capaz de determinar la calidad del tomate mediante técnicas no destructivas y sin la necesidad de realizar analíticas en laboratorios externos. Dicha herramienta consistiría en el desarrollo de dos dispositivos sensores basados en espectroscopía del infrarrojo cercano (NIR): (i) dispositivo portable para la monitorización de la calidad del tomate en la etapa de cosecha y (ii) dispositivo at-line para la monitorización de calidad del tomate durante la recepción del producto en la planta de procesado, previo a la etapa de clasificación.

La región NIR del espectro electromagnético se encuentra comprendida entre la radiación visible y la infrarroja cercana, o lo que es lo mismo, entre las longitudes de onda comprendidas en el intervalo de 780 a 2500 nm. La espectroscopía NIR es una técnica empleada cada vez más en el sector agroalimentario ya que se trata de una técnica no destructiva y no requiere una fase de preparación de muestra. Además, es una medida rápida, no requiere de un alto grado de cualificación para su utilización y tiene un bajo coste de mantenimiento [1] [2]. En concreto, la espectroscopía NIR se puede utilizar en diferentes áreas de la industria agroalimentaria:

• Monitorización en campo de la calidad del producto antes de ser recolectado.

• Monitorización de los principales parámetros de control durante el procesado del alimento.

• Monitorización del producto final para certificar que cumple con los requisitos oficiales de calidad y seguridad, así como los requisitos del cliente final.

La principal ventaja que presenta la metodología basada en dispositivos NIR respecto a la actual de laboratorio reside en que el análisis de tomate es no destructivo y en tiempo real, sin la necesidad de enviar muestras al laboratorio.

La principal desventaja que presenta la espectroscopía NIR es su dependencia con la temperatura, pudiendo producirse variaciones de la señal espectroscópica debido a variaciones de temperaturas en el sistema, ambientales o de la propia muestra [3].

La conversión de los datos espectroscópicos en información útil requiere el uso de herramientas matemáticas y estadísticas que han dado lugar a la disciplina denominada Quimiometría. Esta disciplina permite diseñar o seleccionar procedimientos de medida óptimos y obtener la máxima información relevante de los datos analíticos. En este contexto, la complejidad de la señal obtenida en espectroscopía NIR hace imprescindible la utilización de este tipo de técnicas, permitiendo interpretar, entender y modelar los datos espectroscopios obtenidos de los dispositivos sensores [4] [5].

REQUERIMIENTOS DE DISEÑO

Una vez escogida la técnica a emplear para cumplir con los objetivos del proyecto MEDITOMATO, el siguiente paso consistió en definir los requisitos de diseño. Estos requisitos fueron acordados entre los usuarios finales y el equipo encargado de desarrollar los dos dispositivos sensores.

Los principales requisitos de diseño del equipo atline, desarrollado por Tekniker en colaboración con el CNTA, se describen en la tabla 1.

Los principales requerimientos de diseño del dispositivo portable desarrollado por ING en colaboración con CNTA y Tekniker se describen en la tabla 2.

Teniendo en cuenta la dependencia de la medida NIR de las variaciones de temperatura, el dispositivo at-line dispone de una metodología para la corrección de la señal con la temperatura, mediante un patrón interno de teflón blanco que se caracteriza automáticamente cuando el equipo se pone en funcionamiento, o siempre que el usuario lo considere necesario.

Desarrollo de los dispositivos sensores

Una vez definidos los principales requisitos de los dispositivos de medida, los diferentes equipos de trabajo abordaron las fases de diseño, ingeniería y fabricación.

El dispositivo sensor at-line fue diseñado como la conjunción de los siguientes subsistemas trabajando de forma coordinada tal y como muestra la figura 1:

• Subsistema de alimentación de muestras: encargado de alimentar al sistema de medida NIR con una productividad de 4s/tomate.

• Subsistema de visión: responsable de la detección de la muestra en la celda de medida, determinar la posición (x,y) en la misma y el cálculo del color.

• Subsistema de posicionamiento: posicionamiento del detector NIR en la posición determinada por el sistema de visión.

• Subsistema NIR: responsable de la medida NIR de la muestra de tomate. Incluye un detector NIR comercial de Hamamatsu y así como la iluminación y la óptica necesaria.

• Subsistema de procesado: encargado del procesamiento matemático del espectro NIR y la aplicación de los modelos matemáticos para la determinación de los parámetros de calidad.

• Subsistema de retirada de la muestra: responsable de la retirada de la muestra de la celda de medida y la limpieza de la misma.

Cada uno de los subsistemas se desarrolló de manera individual y luego fueron ensamblados en dos estructuras diferenciadas.

Por un lado, se desarrolló el equipo capaz de realizar la medida de la calidad del tomate introduciendo la muestra manualmente de forma individual, y por otro, el sistema de alimentación de tomates.

Una vez integrado cada uno de los subsistemas, se realizaron las pruebas de verificación necesarias para comprobar que cada uno de los subsistemas funciona correctamente y de manera coordinada. La figura 2 muestra ambos equipos durante la fase de verificación realizada en las instalaciones de Tekniker.

Por su parte, el dispositivo sensor portable fue diseñado con la idea de ser utilizado en el campo. El corazón del dispositivo sensor es un detector NIR comercial de Hamamatsu, el mismo que el empleado en el dispositivo at-line. Además, dispone de un display para la gestión de las medidas y una batería con una autonomía aproximada de ocho horas. La figura 3 muestra el equipo portable durante la fase de verificación en INGE.

RESULTADOS

(VERIFICACION/CALIBRACION)

Verificación del funcionamiento de los dispositivos sensores

El proceso de verificación de los dispositivos sensores se dividió en dos fases. La primera consistió en evaluar el funcionamiento de todos los componentes hardware/software de los dispositivos sensores, mientras que la segunda evaluó la calidad de la medida espectroscópica.

La verificación del dispositivo at-line fue realizado en las instalaciones de Tekniker. A lo largo de la primera fase se verificó que todos los subsistemas que conforman el dispositivo sensor funcionaban correctamente de forma individual y de forma coordinada entre ellos. El proceso de medida debía realizarse correctamente desde que los tomates eran introducidos en el sistema de alimentación hasta que eran expulsados tras su caracterización de la celda de medida.

En la segunda fase se testeó la estabilidad de la medida espectroscópica evaluando la repetividad, reproducibilidad de las medidas, así como la estabilidad de las medidas con la variación de temperatura. El principal objetivo de las medidas de repetibilidad era analizar la estabilidad del detector NIR, y el de las medidas de reproducibilidad evaluar la variabilidad espectroscópica del conjunto del sistema.

La verificación del dispositivo portable fue realizada en las instalaciones de INGE. Durante la primera fase se evaluó el correcto funcionamiento de todos los elementos hardware/software que conforman el dispositivo de medida. Durante la segunda fase se testeó la estabilidad de la medida espectroscópica de la medida NIR evaluando la repetibilidad de la medida espectroscópica y la estabilidad de la medida con la temperatura.

Adicionalmente se realizó un primer trabajo de calibración del equipo con tomates Cherry para testar linealidad y posibles incertidumbres con respecto a los métodos de referencia.

CALIBRACIÓN Y VALIDACIÓN INTERNA

(ANÁLISIS MULTIVARIANTE)

La calibración se llevó a cabo para cada variedad de tomate del proyecto. En concreto, las variedades estudiadas fueron: tomate Cherry tipo pera, tomate Kiros italiano y tomate pera industrial (similar a la variedad Acun Hazar). Estas calibraciones, además de cubrir diferentes variedades de tomate, incluyen tomates cultivados en invernadero y al aire libre.

El procedimiento de calibración consistió en realizar un muestreo representativo de cada una de las variedades tomando diferentes grados de madurez del tomate, posición en las plantas, categoría comercial, etc., con el fin de incluir la mayor parte de la variabilidad existente en este tipo de producto. Para cada tomate recogido se midió el espectro NIR con ambos dispositivos y se realizaron los correspondientes análisis de referencia en el laboratorio.

En concreto se midió: color (L*, a*, b* a*/b*) mediante colorimetría y un Pantone de color visual, ºBrix mediante refractometría, acidez total mediante potenciometría y firmeza del tomate mediante penetrometría o texturometría (según la variedad).

Además, los tomates se categorizaron según su grado de madurez y categoría comercial con el fin de intentar modelizar la pertenencia de un tomate a estas categorías.

De cada variedad se recogieron y analizaron entre 200 y 650 muestras con el fin de obtener modelos robustos que relacionen el espectro NIR con los correspondientes parámetros físico-químicos. El entrenamiento de los modelos se realizó mediante técnicas de análisis quimiométrico que diesen lugar a modelos con errores de predicción aceptables. En concreto, se probaron modelos tanto lineales como no lineales para poder dar con aquellos que proporcionan la mejor predicción de las nuevas muestras.

Como pretratamiento de los datos se aplicaron técnicas como SNV (Standard Normal Variate) y derivadas para poder eliminar efectos espectroscópicos no deseados como el light scattering o corregir línea base.

En la estrategia de calibración se testaron varios modelos y se optimizaron los hiperparámetros para aquellos que mejores resultados daban a priori hasta conseguir los mejores modelos de predicción. Los mejores modelos obtenidos, tanto en el entrenamiento como en la validación con nuevas muestras, fueron modelos construidos con los algoritmos de PLS (Partial Least Squares), Random Forest y máquinas de soporte vectorial (SVM).

En el caso del tomate Cherry, los errores obtenidos en la mitad del rango de trabajo fueron 7% para el ºBrix, 3% para la firmeza, 17% para la estimación del color con Pantone, 22% para el parámetro de color a*/b* y 40% para la acidez. Este último parámetro es el que registró mayores errores en la estimación con los sensores NIR de medida.

En cuanto a los modelos de clasificación de los tomates, en base a su categoría comercial se obtuvo un valor de accuracy de 0,89 mientras que, en los modelos para clasificar los tomates en función de su grado de madurez, la accuracy fue del 0,79.

En la figura 4 pueden observarse los valores medidos frente a los predichos por el modelo para la predicción del parámetro de color a*/b* en tomate Cherry tipo pera. Los diferentes colores en las muestras corresponden con los diferentes grados de madurez del tomate (i) azules tomates sobremaduros; (ii) amarillos tomates verde pintón; (iii) rojo tomates maduros; y (iv) verdes tomates pintón.

DISCUSION/CONCLUSIONES

Los dispositivos desarrollados en el proyecto MEDITOMATO permiten realizar un control rápido de la calidad del tomate en la industria. Esto permitirá realizar una toma de decisiones más ágil y un mejor control del proceso. El dispositivo desarrollado permitirá amortizar el gasto invertido en poco tiempo, además de ampliar el número de muestras controladas de forma inmediata.

El uso de la quimiometría y el análisis avanzado de datos permitió entrenar modelos capaces de predecir, a través de una rápida y no destructiva medida con un sensor NIR, hasta 7 parámetros diferentes relacionados con la calidad del tomate, tanto en el campo como en las líneas de clasificación y procesado.

Los resultados obtenidos en el proyecto han sido contrastados con el Departamento de I+D de GLC y el CNTA, responsables del desarrollo de los modelos.

En este último centro se han realizado además parte de las medidas de laboratorio de referencia. Una vez realizadas las pruebas de validación en campo y en planta, se analizarán los resultados para definir los cambios necesarios a aplicar en los dispositivos sensores para realizar un proceso de rediseño e industrialización. Igualmente, se evaluará la necesidad de actualizar el conjunto de entrenamiento con medidas espectroscópicas de tomates de una nueva temporada que permitan mejorar el rendimiento de los modelos de calibración.