Uma equipe de pesquisadores do Imperial College London e UCL desenvolveu recentemente um novo método para autenticar o mel usando aprendizado de máquina e microscopia. Sua técnica, descrito em um artigo pré-publicado no arXiv, poderia detectar mel diluído ou rotulado incorretamente a um custo muito menor do que os métodos existentes.

O mel é produzido pelas abelhas após coletarem o néctar das flores, decompô-lo em açúcares simples e armazená-lo em favos de mel. O mel é atualmente o terceiro produto alimentício mais falsificado em todo o mundo. Muitas vezes é rotulado incorretamente, que envolve a venda de um tipo de mel para outro, ou é diluído com outras substâncias, como xarope de açúcar.

“O mel é feito por abelhas a partir de plantas, "Gerard Glowacki, um dos pesquisadores que realizou o estudo, disse TechXplore. "As plantas têm pólen, e cada planta tem um pólen diferente. Se Manuka querida, por exemplo, não tem pólen de Manuka ou nenhum pólen, então não é Manuka, querida. "

O mel falsificado custa significativamente menos para ser produzido, e isso pode afetar negativamente os produtores de mel genuíno, forçando-os a reduzir suas margens de lucro ou, às vezes, a abandonar totalmente o mercado. Além disso, As práticas de apicultura na produção de mel falso são frequentemente inferiores em comparação com as práticas de cultivo de mel genuíno, o que pode resultar em maus-tratos às colônias de abelhas. Métodos eficazes e de baixo custo para autenticar o mel podem ajudar a identificar o mel falso rapidamente, para que possa ser retirado do mercado ou rotulado de novo corretamente.

"Melissopalinologia, autenticar o mel de suas fontes botânicas, já existe há algumas décadas, com a reputação de ser um processo lento e especializado, "Peter He, um dos pesquisadores que realizou o estudo, disse TechXplore. "Achamos que seríamos capazes de acelerar as coisas com um operador que não sofresse de coisas humanas, como cansaço, esquecimento e tédio. "

Os métodos de autenticação de mel mais comumente empregados incluem reação em cadeia da polimerase quantitativa (qPCR), espectroscopia de ressonância magnética nuclear (NMR), espectrometria de massa de cromatografia líquida (LC-MS), espectroscopia no infravermelho próximo (NIR) e microscopia. Os pesquisadores também desenvolveram outros testes para a identificação de tipos específicos de mel, mas a maioria deles até agora provou ser ineficaz.

A técnica atual de última geração para autenticar o mel manuka, um tipo de mel muito procurado feito de néctar de flores manuka e normalmente produzido na Nova Zelândia, baseia-se em quatro marcadores químicos e na utilização de um teste para o DNA do pólen de manuka. Este método, Contudo, só pode ser usado para autenticar o mel manuka e não é aplicável a outros tipos de mel.

A maioria dos procedimentos de autenticação de mel são realizados em laboratórios por especialistas e requerem equipamentos especializados, portanto, são frequentemente muito caros. Em seu estudo, Glowacki, Ele e seu colega Alexis Gkantiragas desenvolveram um novo método para autenticar mel usando microscopia aumentada de aprendizado de máquina, que poderia ser muito mais barato do que os procedimentos existentes.

"Identificamos o pólen em amostras de mel usando técnicas de aprendizado profundo padrão, "Gkantiragas explicou." A partir disso, podemos aplicar abordagens mais quantitativas para analisar coisas como a distribuição e densidade do pólen. Podemos então identificar a origem geográfica e / ou botânica do mel. "

Os pesquisadores coletaram amostras de diferentes tipos de mel e as espalharam em lâminas de vidro. Essas lâminas foram cobertas e analisadas usando um microscópio de campo claro, capturando aproximadamente 2500 imagens microscópicas de pólen.

Depois de rotular e anotar cuidadosamente essas imagens, os pesquisadores os usaram para treinar seu modelo de aprendizado de máquina. Seu modelo consiste em uma rede de segmentação, treinado para detectar e segmentar pólen, bem como uma rede de autenticação, treinado para classificar diferentes tipos de mel.

"Atualmente é difícil diferenciar o falso do verdadeiro, "Gkantiragas disse." Testes de açúcar podem ser enganados usando açúcares diferentes. NMR é caro e precisa de profissionais. Nosso equipamento custa dinheiro de bolso, é simples de usar e tem potencial para ser implantado em grande escala. "

Em avaliações preliminares, os pesquisadores descobriram que seu método de autenticação de mel pode detectar efetivamente mel diluído e com rótulos incorretos. Contudo, não é capaz de identificar contaminação com metais pesados, pesticidas ou antibióticos, portanto, pode ser necessário usá-lo em combinação com outros testes químicos. Além disso, seu método não pode ser usado para autenticar amostras de mel ultra-filtrado nas quais nenhum pólen está presente.

Embora os resultados colhidos pelos pesquisadores sejam promissores, seu sistema precisa ser mais desenvolvido antes que possa ser aplicado em uma escala maior. Por exemplo, os pesquisadores precisam coletar um conjunto de dados de pólen mais amplo para melhor capturar a diversidade de pólen no mel.

"Um passo importante para dimensionar o sistema da pesquisa para o mundo real seria a robustez do sistema para ser independente de hardware, "Ele explicou." Estamos olhando, entre outras coisas, métodos de treinamento adversarial para garantir que nossas representações de recursos sejam de primeira linha. "

Os pesquisadores estão planejando continuar trabalhando em seu sistema para garantir que ele possa autenticar o mel com eficácia em cenários do mundo real. No futuro, eles podem até considerar um esquema de certificação descentralizado baseado em sua tecnologia.

© 2019 Science X Network