Aplicación de la imagen hiperespectral para la detección de contaminación microbiana en espinaca fresca envasada.

Abstract

La seguridad alimentaria de hortalizas de hoja puede verse comprometida por contaminaciones microbianas, lo que ha motivado la promoción mundial de normas de seguridad en la producción, el manejo poscosecha y el procesado. Sin embargo, en los últimos años las hortalizas han estado implicadas en brotes de Escherichia coli, Salmonella spp y Listeria monocytogenes, lo que obliga a plantear investigaciones que posibiliten la detección de contaminación por microorganismos con técnicas rápidas, no destructivas y precisas. La imagen hiperespectral integra espectroscopia e imagen para proporcionar información espectral y espacial de la distribución de los componentes químicos de una muestra. Los objetivos de este estudio fueron optimizar un sistema de visión hiperespectral y establecer los procedimientos de análisis multivariante de imágenes para la detección temprana de contaminación microbiana en espinacas envasadas (Spinacia oleracea). Las muestras de espinacas fueron adquiridas en un mercado local. Se sometieron a la inoculación mediante la inmersión en suspensiones con poblaciones iniciales de 5 ó 7 unidades logarítmicas de ufc de una cepa no patógena de Listeria innocua. Después de 15 minutos de inoculación por inmersión, las hojas fueron envasadas asépticamente. Se consideró un tratamiento Control-1 no inoculado, sumergiendo las espinacas en una solución tampón (agua de peptona) en lugar de en solución inoculante, y un tratamiento Control-2 en el que las hojas no se sometieron a ninguna inmersión. Las muestras se almacenaron a 8ºC y las mediciones se realizaron 0, 1, 3, 6 y 9 días después de inocular. Cada día se determinaron los recuentos microbianos y se adquirieron las imágenes con una cámara VIS-NIR (400-1000 nm). Sobre los gráficos de dispersión de los scores de PC1 y PC2 (análisis de componentes principales computados sobre las imágenes hiperespectrales considerando el rango de 500-940 nm) se reconocieron diferentes patrones que se identificaron con niveles de degradación; así se seleccionaron píxeles que conformaron las clases de no degradados, semi-degradados y degradados. Se consideraron los espectros promedio de cada clase para asignar los píxeles anónimos a una de las tres clases. Se calculó la distancia SAM (Spectral Angle Mapper) entre el espectro promedio de cada categoría y cada espectro anónimo de las imágenes. Cada píxel se asignó a la clase a la que se calcula la distancia mínima. En general, las imágenes con los porcentajes más altos de píxeles levemente degradados y degradados correspondieron a contenidos microbiológicos superiores a 5 unidades logarítmicas de ufc.