Posada en funcionament d'un equip d'anàlisi d'imatges hiperespectrals a l'infraroig proper (HSI-NIR) per la discriminació de mostres de blat contaminades amb deoxinivalenol

Abstract

En aquest treball final de màster s'ha posat a prova el HSI-NIR per determinar la seva capacitat per detectar deoxinivalenol (DON) en mostres de blat i s'ha deduït que no només és possible sinó que a més es pot fer amb bons resultats. Els models de predicció creats mitjançant PLS permeten predir la concentració de DON en una mostra a partir de l'espectre obtingut amb l'equip HSI-NIR. El millor model creat correspon a l'obtingut amb les mostres de blat mòlt, que té un pendent de 0,94, una ordenada a l'origen de 2,63, un RMSEP de 210,21 ppb i un R2 de 0,95. Pel que fa al model obtingut a partir de les mostres de blat naturalment contaminat, el millor model té un pendent de 0,91, una ordenada a l'origen de 32,44, un RMSEP de 423,36 ppb, i un R2 de 0,81. Els paràmetres de tots dos models són molt bons i així es demostra que aquests models permeten predir la concentració de DON amb certa precisió. A més de la predicció de DON, el HSI-NIR també ens permet classificar les mostres segons el nivell de DON o segons si superen un llindar específic amb una concordança superior al 90%.

En este trabajo final de máster se ha puesto a prueba el HSI-NIR para determinar su capacidad para detectar deoxinivalenol (DON) en muestras de trigo y se ha deducido que no solamente es posible sino que además se puede hacer con buenos resultados. Los modelos de predicción creados mediante PLS permiten predecir la concentración de DON en una muestra a partir del espectro obtenido con el equipo HSI-NIR. El mejor modelo creado corresponde al obtenido con las muestras de trigo molido, que tiene una pendiente de 0,94, una ordenada en el origen de 2,63, un RMSEP de 210,21 ppb y un R2 de 0,95. En cuanto al modelo obtenido a partir de las muestras de trigo naturalmente contaminado, el mejor modelo tiene una pendiente de 0,91, una ordenada en el origen de 32,44, un RMSEP de 423,36 ppb, y un R2 de 0,81. Los parámetros de los dos modelos son muy buenos y de esta manera se demuestra que estos modelos permiten predecir la concentración de DON con cierta precisión. Además de la predicción de DON, el HSI-NIR también permite clasificar las muestras según el nivel de DON o según si superan o no un umbral específico con una concordancia superior al 90%.

In this master final project, the HSI-NIR has been tested to determine its ability to detect deoxynivalenol (DON) in samples of wheat and it has been deduced that it is not only possible but also that it can be done with good results. Prediction models created using PLS allow predicting the concentration of DON in a sample from the spectrum obtained with the HSI-NIR equipment. The best model created corresponds to that obtained with samples of ground wheat, having a slope of 0.94, an offset of 2.63, an RMSEP of 210.21 ppb, and an R2 of 0.95. As for the model obtained from naturally contaminated wheat samples, the best model has a slope of 0.91, an offset of 32.44, an RMSEP of 423.36 ppb, and an R2 of 0.81. The parameters of both models are very good and thus it is shown that these models allow predicting the concentration of DON with some accuracy. In addition to the DON prediction, the HSI-NIR also allows us to classify samples according to the DON level or according to whether they exceed a specific threshold with an accuracy greater than 90%.