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

Resumo Técnico: Detecção de Adulteração em Óleos Comestíveis Baseada em Imagem Hiperespectral utilizando Modelos de Aprendizado de Máquina Otimizados

Definição do Problema
A adulteração de óleos comestíveis, que envolve a mistura deliberada de óleos superiores com componentes mais baratos ou não comestíveis, representa riscos significativos à saúde pública e compromete a qualidade dos alimentos. Os métodos de detecção tradicionais, como a Cromatografia Líquida de Alta Eficiência (HPLC) e a Cromatografia Gasosa (GC), são frequentemente demorados, caros, exigem reagentes tóxicos e envolvem preparação complexa de amostras, tornando-os inadequados para triagens industriais de alto rendimento ou em tempo real. Existe uma necessidade crítica de tecnologias rápidas, não destrutivas e escaláveis capazes de identificar a contaminação em matrizes alimentares complexas.

Metodologia
O estudo propõe uma estrutura não destutiva integrando Imagem Hiperespectral (HSI) com modelos de Aprendizado de Máquina (ML) otimizados para detectar a adulteração em óleos comestíveis.

• Aquisição de Dados: Um conjunto de dados compreendendo 480 amostras de óleo foi gerado utilizando um sistema de câmera HSI Specim FX10 (intervalo espectral: 400–1000 nm). As amostras incluíram óleos puros (árvore de chá, rosa, cúrcuma, roseira, limão, alho, vitamina E e laranja) e suas variantes adulteradas, misturadas em quatro níveis de concentração (2 ml, 4 ml, 8 ml e 16 ml).
• Pré-processamento: Para garantir a qualidade dos dados, o filtro Savitzky–Golay (SG) (polinômio de 3ª ordem, janela de tamanho 11) foi aplicado para remover ruídos e suavizar as curvas espectrais, preservando simultaneamente as formas dos picos. Os dados de refletância foram convertidos em espectros de absorção através do método da linha empírica.
• Otimização de Características: Em vez de utilizar o conjunto de dados espectrais completo (224 bandas), o estudo empregou uma estratégia de seleção de características para identificar as 20 bandas espectrais mais informativas. Esta redução de dimensionalidade foi realizada por meio de métodos multicritério para aumentar a eficiência computacional.
• Modelos de Aprendizado de Máquina: Quatro modelos de classificação foram treinados e avaliados no conjunto de dados otimizado: Análise Discriminante Linear (LDA), CatBoost, Gradient Boosting Machine (GBM) e Extreme Gradient Boosting Machine (XGBM). O conjunto de dados foi dividido em conjuntos de treinamento e teste utilizando uma proporção de 80:20.

Principais Contribuições

1. Estrutura HSI-ML Não Destrutiva: Desenvolvimento de um método de ponta a ponta para identificação da qualidade de óleos comestíveis que utiliza pré-processamento radiométrico e filtragem SG para gerar assinaturas espectrais confiáveis.
2. Conjunto de Dados Abrangente: Criação de um robusto conjunto de dados hiperespectrais contendo 120.000 pontos de dados espectrais derivados de 480 amostras (160 puras e 320 adulteradas), cobrindo múltiplos tipos de óleos e níveis de adulteração.
3. Seleção de Características Otimizada: Demonstração de que a seleção das 20 principais bandas espectrais reduz significativamente a dimensionalidade dos dados e a complexidade do sistema, mantendo um alto poder discriminativo, o que facilita a implementação industrial em tempo real.
4. Benchmarking de Desempenho de Modelos: Uma análise comparativa de técnicas de aprendizado linear e de conjunto (ensemble), identificando o XGBM como o modelo superior para esta aplicação específica.

Resultos
Os resultados experimentais indicaram que o modelo Smoothing + XGBM alcançou o maior desempenho em todas as métricas:

• Acurácia: 100% de acurácia no treinamento, com 98% de acurácia tanto no conjunto de validação quanto no de teste.
• Métricas: O modelo demonstrou alta precisão, revocação (recall), F1-score e acurácia balanceada (98%). Também alcançou baixo log loss (5%) e Hamming loss (2%), indicando alta confiança e baixas taxas de erro de classificação.
• Comparação:
  • GBM: Apresentou forte desempenho com aproximadamente 97% de acurácia, mas exibiu sinais de sobreajuste (overfitting) em comparação ao XGBM.
  • LDA: Alcançou desempenho moderado (93% de acurácia), enfrentando dificuldades com relações espectrais não lineares complexas, particularmente em níveis baixos de adulteração.
  • CatBoost: Rendeu uma acurácia ligeiramente inferior (~91%) e taxas de erro mais altas em comparação aos outros modelos de conjunto.
• Importância das Características: A análise de significância espectral revelou que o XGBM priorizou efetivamente comprimentos de onda específicos e altamente discriminativos (ex: índices em torno de 48, 146 e 155), enquanto o LDA dependia de uma distribuição de bandas mais ampla e menos seletiva.

Significância e Alegações
O artigo afirma que a abordagem proposta integrada com HSI oferece uma solução rápida, confiável e escalável para a detecção de adulteração em óleos comestíveis. Ao combinar a otimização de características espectrais com o aprendizado de conjunto avançado (especificamente o XGBM), o método alcança alta acurácia de classificação enquanto minimiza os custos computacionais. Os autores alegam que esta estrutura é adequada para aplicações em tempo real no setor industrial para segurança alimentar e controle de qualidade.

O estudo reconhece limitações, observando que a estrutura atual é restrita à região do Visível-Infravermelho Próximo (VNIR) (400–1000 nm), que captura primariamente informações superficiais. Os autores sugerem que trabalhos futuros devem estender a análise para a região NIR-SWIR (1000–2500 nm) para aprimorar a caracterização ao nível molecular e melhorar ainda mais a precisão da detecção.