22-05-2023 Technique d'analyse
Analyse des données d’un spectromètre miniature pour lutter contre la fraude alimentaire
L’apprentissage automatique a été largement utilisé pour analyser les données spectrales pour la gestion de la qualité des aliments. Cependant, la collecte de données spectrales de haute qualité à partir de spectromètres miniatures, en dehors du laboratoire, est difficile en raison de divers facteurs tels que les distorsions, le bruit…
Cet article paru dans Journal of Consumer Protection and Food Safety, présente une analyse approfondie d’ensembles de données alimentaires collectées par des spectromètres miniatures afin d’évaluer la qualité et les caractéristiques des données, en se concentrant sur une étude de cas de contrôle de la qualité de l’huile d’olive, où divers modèles d’apprentissage automatique ont été appliqués pour différencier l’huile d’olive pure de l’huile d’olive frelatée. En outre, l’impact des techniques de prétraitement sur les distorsions des données a été étudié.
Les résultats démontrent que des spectromètres miniatures, peu coûteux, dotés d’un pipeline d’apprentissage automatique approprié, peuvent exécuter des tâches de classification au même titre que des spectromètres non portables et plus coûteux. En outre, l’étude met en évidence la nécessité d’algorithmes spécialisés pour gérer les différentes conditions ambiantes affectant l’acquisition des données.
Article en accès libre, en Anglais