Image en fond clair du pollen. Crédit :Il, Gkantiragas et Glowacki.
Une équipe de chercheurs de l'Imperial College London et de l'UCL a récemment développé une nouvelle méthode pour authentifier le miel à l'aide de l'apprentissage automatique et de la microscopie. Leur technique, décrit dans un article prépublié sur arXiv, pourrait détecter le miel dilué ou mal étiqueté à un coût bien inférieur à celui des méthodes existantes.
Le miel est produit par les abeilles après avoir récolté le nectar des fleurs, le décomposer en sucres simples et le stocker dans des nids d'abeilles. Le miel est actuellement le troisième produit alimentaire le plus contrefait au monde. Il est souvent mal étiqueté, qui consiste à vendre un type de miel pour un autre, ou est dilué avec d'autres substances, comme le sirop de sucre.
"Le miel est fabriqué par les abeilles à partir de plantes, " Gérard Glowacki, l'un des chercheurs qui a mené l'étude, a déclaré TechXplore. « Les plantes ont du pollen, et chaque plante a un pollen différent. Si le miel de Manuka, par exemple, n'a pas de pollen de Manuka ou pas de pollen du tout, alors ce n'est pas le miel de Manuka."
Le faux miel coûte beaucoup moins cher à produire, et cela peut nuire aux producteurs de miel authentique, les obligeant à réduire leurs marges bénéficiaires ou parfois à quitter complètement le marché. En outre, les pratiques apicoles dans la production de faux miel sont souvent inférieures aux pratiques de la production de miel authentique, ce qui peut entraîner un mauvais traitement des colonies d'abeilles. Des méthodes efficaces et peu coûteuses pour authentifier le miel pourraient aider à identifier rapidement le faux miel, afin qu'il puisse être retiré du marché ou réétiqueté correctement.
"Mélissopalynologie, authentifier le miel de ses sources botaniques, existe depuis quelques décennies, avec la réputation d'être un processus lent et spécialisé, " Pierre He, l'un des chercheurs qui a mené l'étude, a déclaré TechXplore. "Nous pensions que nous serions capables d'accélérer les choses avec un opérateur qui ne souffrait pas de choses humaines comme la fatigue, l'oubli et l'ennui."
Un schéma expliquant le système d'authentification du miel. Crédit :Il, Gkantiragas et Glowacki.
Les méthodes d'authentification du miel les plus couramment utilisées comprennent la réaction en chaîne par polymérase quantitative (qPCR), spectroscopie de résonance magnétique nucléaire (RMN), spectrométrie de masse par chromatographie liquide (LC-MS), spectroscopie proche infrarouge (NIR) et microscopie. Les chercheurs ont également développé d'autres tests pour l'identification de types spécifiques de miel, mais la plupart d'entre eux se sont jusqu'à présent révélés inefficaces.
La technique de pointe actuelle pour authentifier le miel de manuka, un type de miel très recherché fabriqué à partir du nectar des fleurs de manuka et généralement produit en Nouvelle-Zélande, est basé sur quatre marqueurs chimiques et l'utilisation d'un test pour l'ADN du pollen de manuka. Cette méthode, cependant, ne peut être utilisé que pour authentifier le miel de manuka et ne s'applique pas aux autres types de miel.
La plupart des procédures d'authentification du miel sont effectuées en laboratoire par des spécialistes et nécessitent un équipement spécialisé, ils sont donc souvent très chers. Dans leur étude, Glowacki, Lui et leur collègue Alexis Gkantiragas ont développé une nouvelle méthode pour authentifier le miel à l'aide de la microscopie augmentée par apprentissage automatique, ce qui pourrait être beaucoup moins cher que les procédures existantes.
"Nous identifions le pollen dans les échantillons de miel en utilisant des techniques standard d'apprentissage en profondeur, " expliqua Gkantiragas. " A partir de là, nous pouvons appliquer des approches plus quantitatives pour analyser des choses telles que la distribution et la densité du pollen. Nous pouvons alors identifier l'origine géographique et/ou botanique du miel."
Les chercheurs ont collecté des échantillons de différents types de miel et les ont répartis sur des lames de verre. Ces lames ont été recouvertes et analysées à l'aide d'un microscope à fond clair, capturer environ 2500 images microscopiques de pollen.
Le poste de travail des chercheurs alors qu'ils faisaient fonctionner une version à faible coût du système. Crédit :Il, Gkantiragas et Glowacki.
Après avoir soigneusement étiqueté et annoté ces images, les chercheurs les ont utilisés pour former leur modèle d'apprentissage automatique. Leur modèle consiste en un réseau de segmentation, entraînés à détecter et segmenter le pollen, ainsi qu'un réseau d'authentification, formés pour classer les différents types de miel.
"Il est actuellement difficile de distinguer le faux du vrai miel, " a déclaré Gkantiragas. " Les tests de sucre peuvent être trompés en utilisant différents sucres. La RMN coûte cher et a besoin de professionnels. Notre équipement coûte de l'argent de poche, est simple à utiliser et a le potentiel d'être déployé à grande échelle."
Dans les évaluations préliminaires, les chercheurs ont découvert que leur méthode d'authentification du miel pouvait détecter efficacement le miel dilué et mal étiqueté. Cependant, il est incapable d'identifier une contamination par des métaux lourds, pesticides ou antibiotiques, il peut donc être nécessaire de l'utiliser en combinaison avec d'autres tests chimiques. En outre, leur méthode ne peut pas être utilisée pour authentifier des échantillons de miel ultra-filtrés dans lesquels aucun pollen n'est présent.
Bien que les résultats recueillis par les chercheurs soient prometteurs, leur système doit être développé davantage avant de pouvoir être appliqué à plus grande échelle. Par exemple, les chercheurs doivent collecter un ensemble de données polliniques plus large afin de mieux saisir la diversité des pollens dans le miel.
"Une étape importante dans la mise à l'échelle du système de la recherche au monde réel serait de renforcer le système pour qu'il soit indépendant du matériel, " Il a expliqué. " Nous regardons, entre autres, méthodes de formation contradictoires pour garantir que nos représentations de caractéristiques sont de premier ordre."
Les chercheurs prévoient de continuer à travailler sur leur système pour s'assurer qu'il peut authentifier efficacement le miel dans des scénarios du monde réel. Dans le futur, ils pourraient même envisager de piloter un système de certification décentralisé basé sur leur technologie.
© 2019 Réseau Science X
