Valorización de la tecnología HSI-NIR para la mitigación sostenible de las micotoxinas en cereales (NIRDON)

Actualmente, las empresas procesadoras de cereales basan su autocontrol en el análisis de muestras de un determinado número de lotes mediante técnicas inmunocromatográficas rápidas, de forma que se rechazan los lotes no conformes. En el caso del trigo, los lotes que, una vez analizados, superan el límite legal (1250 microg/kg) no se someten a transformación y, en general, se desvían íntegramente a la alimentación animal. En el sector de la alimentación animal, a pesar de no estar regulados los límites máximos de deoxinivalenol, ya que solo existen límites recomendados, el problema se hace más evidente, ya que el consumo de piensos contaminados se evidencia en una menor ganancia de peso del ganado y el impacto en otros parámetros productivos y de salud animal.

El desafío que se plantea en esta propuesta de proyecto se centra en las operaciones de selección y clasificación de granos mediante HSI-NIR, previas a la transformación, que de ser efectivas podrían aplicarse a lotes que superen los 1250 microg/kg, con la intención de devolver dichos lotes a la cadena alimentaria, una vez se ha separado la fracción más contaminada. De esta forma, la fracción que podría destinarse al consumo humano sería posiblemente mayoritaria, y el sistema de producción de alimentos, en su conjunto, más sostenible.
La valorización de los resultados supondrá la validación de estos resultados en una situación más cercana a la real, dando lugar a modelos más robustos que una vez insertados en un algoritmo adecuadamente programado, permitirán demostrar a los usuarios finales, harineras, fábricas de piensos, etc, el interés de la tecnología.

El deoxinivalenol (DON) es una micotoxina que se encuentra frecuentemente en granos de cereales como el trigo, siendo producida por los mohos principalmente en campo. Por este motivo, el deoxinivalenol se encuentra frecuentemente en alimentos a base de cereales lo que, unido a la elevada ingesta de trigo típica de la dieta española, hace que la exposición de la población sea significativa. Además, en los últimos años existe una creciente evidencia de un aumento en la incidencia de micotoxinas en los cereales como resultado del cambio climático.

Actualmente, las empresas procesadoras de cereales basan su autocontrol en el análisis de muestras de un determinado número de lotes, de forma que se rechazan los lotes no conformes. El desafío que se planteaba en este proyecto se centra en las operaciones de selección y clasificación de granos mediante NIR-HSI, antes de la primera fase de transformación, las cuales, de ser efectivas, podrían aplicarse a lotes que superen los límites legales, con la intención de devolver dichos lotes a la cadena alimentaria, una vez se ha separado la fracción más contaminada. De esta forma, la fracción que podría destinarse al consumo humano sería posiblemente mayoritaria, y el sistema de producción de alimentos, en su conjunto, más sostenible.

La aplicación desarrollada toma imágenes hiperespectrales del trigo mediante cámara NIR, y tras una serie de tratamientos y preprocesamiento de los datos, y de aplicar un modelo de predicción que se ha integrado ofrece en pantalla una vista de la imagen con los granos coloreados en rojo o en verde, según si están contaminados por encima o por debajo del límite legal. La aplicación también funciona en la opción cinta transportadora, en la cual en lugar de separar los pixeles por granos, hace la predicción sobre la imagen completamente llena de granos, como sucedería en un transportador y, en este caso, identifica las áreas contaminadas, en lugar de granos individuales. Estas áreas serían las excluidas de la línea transportadora por los eyectores.

En una fase posterior no será necesaria la visualización de los granos en pantalla y se prevé integrar la aplicación en un sistema de control para que los resultados de la estimación permitan separar eficazmente los granos contaminados en un escenario real. Habría que considerar varios factores, como el tiempo de predicción que condiciona el mecanismo de clasificación y velocidad de procesamiento, la gestión de imágenes en tiempo real o la recalibración del modelo para adaptarse a condiciones cambiantes.

Finalmente, se ha establecido la mejor estrategia de protección de la tecnología, así como el plan de explotación de los resultados.