Hyperspectral Imaging-Based Adulteration Detection of Edible Oil using Optimized Machine Learning Models

Sintesi Tecnica: Rilevamento dell'Adulterazione degli Oli Edibili tramite Imaging Iperspettrale e Modelli di Machine Learning Ottimizzati

Definizione del Problema
L'adulterazione degli oli edibili, che consiste nella miscelazione deliberata di oli superiori con componenti più economici o non commestibili, pone rischi significativi per la salute pubblica e compromette la qualità alimentare. I metodi di rilevamento tradizionali, come la Cromatografia Liquida ad Alte Prestazioni (HPLC) e la Cromatografia Gassosa (GC), sono spesso lenti, costosi, richiedono reagenti tossici e processi complessi di preparazione del campione, rendendoli inadatti per lo screening industriale ad alto rendimento o in tempo reale. Esiste una necessità critica di tecnologie rapide, non distruttive e scalabili in grado di identificare la contaminazione in matrici alimentari complesse.

Metodologia
Lo studio propone un framework non distruttivo che integra l'Imaging Iperspettrale (HSI) con modelli ottimizzati di Machine Learning (ML) per rilevare l'adulterazione negli oli edibili.

• Acquisizione dei Dati: Un dataset composto da 480 campioni di olio è stato generato utilizzando un sistema di fotocamera HSI Specim FX10 (intervallo spettrale: 400–1000 nm). I campioni includevano oli puri (tea tree, rosa, curcuma, rosehip, limone, aglio, vitamina E e arancia) e le loro varianti adulterate, miscelate a quattro livelli di concentrazione (2 ml, 4 ml, 8 ml e 16 ml).
• Preprocessamento: Per garantire la qualità dei dati, è stato applicato il filtro di Savitzky–Golay (SG) (polinomio di 3° ordine, dimensione della finestra 11) per rimuovere il rumore e smussare le curve spettrali preservando al contempo la forma dei picchi. I dati di riflettanza sono stati convertiti in spettri di assorbimento mediante il metodo della linea empirica.
• Ottimizzazione delle Caratteristiche: Invece di utilizzare l'intero dataset spettrale (224 bande), lo studio ha impiegato una strategia di selezione delle caratteristiche per identificare le 20 bande spettrali più informative. Questa riduzione della dimensionalità è stata eseguita utilizzando metodi multi-criterio per migliorare l'efficienza computazionale.
• Modelli di Machine Learning: Quattro modelli di classificazione sono stati addestrati e valutati sul dataset ottimizzato: Analisi Discriminante Lineare (LDA), CatBoost, Gradient Boosting Machine (GBM) ed Extreme Gradient Boosting Machine (XGBM). Il dataset è stato suddiviso in set di addestramento e di test utilizzando un rapporto 80:20.

Contributi Chiave

1. Framework HSI-ML Non Distruttivo: Sviluppo di un metodo end-to-end per l'identificazione della qualità degli oli edibili che utilizza il preprocessamento radiometrico e il filtraggio SG per generare firme spettrali affidabili.
2. Dataset Completo: Creazione di un robusto dataset iperspettrale contenente 120.000 punti dati spettrali derivati da 480 campioni (160 puri e 320 adulterati), coprendo molteplici tipi di olio e livelli di adulterazione.
3. Selezione Ottimizzata delle Caratteristiche: Dimostrazione che la selezione delle prime 20 bande spettrali riduce significativamente la dimensionalità dei dati e la complessità del sistema, mantenendo un elevato potere discriminativo, facilitando così l'implementazione industriale in tempo reale.
4. Benchmarking delle Prestazioni dei Modelli: Un'analisi comparativa tra tecniche di apprendimento lineare ed ensemble, che identifica XGBM come il modello superiore per questa specifica applicazione.

Risultati
I risultati sperimentali hanno indicato che il modello Smoothing + XGBM ha ottenuto le prestazioni più elevate in tutte le metriche:

• Accuratezza: 100% di accuratezza in fase di addestramento, con un'accuratezza del 98% sia nei set di validazione che in quelli di test.
• Metriche: Il modello ha dimostrato precisione, recall, F1-score e accuratezza bilanciata (98%) elevate. Ha inoltre raggiunto una bassa log loss (5%) e una bassa Hamming loss (2%), indicando un'alta confidenza e bassi tassi di misclassificazione.
• Confronto:
  • GBM: Ha mostrato una solida prestazione con circa il 97% di accuratezza, ma ha mostrato segni di overfitting rispetto a XGBM.
  • LDA: Ha ottenuto una prestazione moderata (93% di accuratezza), faticando con le relazioni spettrali non lineari complesse, particolarmente ai bassi livelli di adulterazione.
  • CatBoost: Ha prodotto un'accuratezza leggermente inferiore (~91%) e tassi di errore più elevati rispetto agli altri modelli ensemble.
• Importanza delle Caratteristiche: L'analisi della significatività spettrale ha rivelato che XGBM ha prioritizzato efficacemente lunghezze d'onda specifiche e altamente discriminanti (ad esempio, indici intorno a 48, 146 e 155), mentre l'LDA si è basato su una distribuzione di bande più ampia e meno selettiva.

Significatività e Rivendicazioni
Il documento afferma che l'approccio proposto integrato con HSI offre una soluzione rapida, affidabile e scalabile per il rilevamento dell'adulterazione degli oli edibili. Combinando l'ottimizzazione delle caratteristiche spettrali con l'apprendimento ensemble avanzato (specificamente XGBM), il metodo raggiunge un'elevata accuratezza di classificazione minimizzando al contempo i costi computazionali. Gli autori sostengono che questo framework sia adatto per applicazioni in tempo reale nel settore industriale per la sicurezza alimentare e il controllo della qualità.

Lo studio riconosce i limiti, notando che l'attuale framework è limitato alla regione del Visibile-Vicino Infrarosso (VNIR) (400–1000 nm), che cattura principalmente informazioni superficiali. Gli autori suggeriscono che il lavoro futuro dovrebbe estendere l'analisi alla regione NIR-SWIR (1000–2500 nm) per migliorare la caratterizzazione a livello molecolare e aumentare ulteriormente l'accuratezza del rilevamento.