Procesamiento

Revolucionando la detección de parásitos en el filete de pescado: un gran avance en la tecnología de imágenes hiperespectrales

Foto del autor

By Milthon Lujan

Flujo de trabajo para la identificación y etiquetado de nematodos. Fuente: Syed et al., (2024); Scientific Reports, 14(1), 1-14.
Flujo de trabajo para la identificación y etiquetado de nematodos. Fuente: Syed et al., (2024); Scientific Reports, 14(1), 1-14.

La industria de los productos del mar se enfrenta a un desafío constante: la presencia de parásitos en el músculo del pescado. Estos invasores microscópicos no solo comprometen la calidad de los productos del mar, sino que también plantean importantes riesgos para la salud de los consumidores. Los métodos tradicionales para detectar estos parásitos, como la inspección manual, requieren mucho tiempo, mano de obra y, a menudo, son ineficaces.

Para abordar este desafío, los investigadores de Nofima y de la The Arctic University of Norway han desarrollado una solución innovadora que aprovecha el poder de la inteligencia artificial (IA). Al combinar redes neuronales profundas con imágenes hiperespectrales, esta tecnología ofrece un método rápido, no invasivo y de gran precisión para detectar parásitos.

El problema

Los parásitos en el pescado son un problema importante para los productores de pescados de todo el mundo, ya que presentan problemas de calidad y de salud.

En el caso del bacalao del Atlántico, se encuentran dos especies principales de nematodos que infestan el pescado: Pseuodoterranova decipiens y Anisakis simplex. Estos nematodos parásitos no solo comprometen la calidad de los productos pesqueros, también pueden causar problemas de salud en los seres humanos si se consumen crudos o poco cocidos, incluida la anisakiasis intestinal y reacciones alérgicas potencialmente letales.

READ  El color del camarón tigre cocido puede ser afectado por el almacenamiento en congelación

Las limitaciones de los métodos tradicionales

El método tradicional de examen manual con una mesa iluminada, o mesa de ovoscopia, requiere mucho tiempo y recursos, y a menudo representa hasta el 50% de los costos de producción. Además, este método es subjetivo y solo detecta alrededor del 50% de los nematodos. Esta limitación no solo afecta la calidad de los productos del mar, sino que también tiene implicaciones para la salud pública.

El desarrollo de una tecnología automatizada que pueda detectar nematodos en los mariscos tendría importantes beneficios en términos de mejora de la seguridad y la calidad del producto y reducción de los costos laborales.

Imagen hiperespectral

Las imágenes hiperespectrales se han investigado durante mucho tiempo como un posible método de detección de nematodos en pescados y mariscos. Esta tecnología mide numerosas longitudes de onda de luz en cada píxel, lo que proporciona información muy detallada tanto en la dimensión espectral como espacial. El espectro de cada píxel proporciona información sobre la estructura química y física de la muestra en esa ubicación.

La imagen hiperespectral es una técnica no invasiva que captura información detallada sobre las características espaciales y espectrales del tejido del pescado. Al analizar estos datos, las redes neuronales profundas pueden identificar las diferencias sutiles entre los parásitos y el tejido del pescado, lo que permite una detección precisa.

Cómo funciona

Las imágenes hiperespectrales capturan información espectral detallada en una amplia gama de longitudes de onda, lo que proporciona un rico conjunto de datos para el análisis. Las redes neuronales profundas, un tipo de inteligencia artificial, se entrenan con estos datos para aprender a reconocer las firmas espectrales únicas de los parásitos. Al analizar tanto la información espacial como la espectral, el sistema de IA puede identificar parásitos con alta precisión.

READ  Elaboran hamburguesas de tilapia con alto valor nutricional

Beneficios de la nueva tecnología

  • Tasas de detección mejoradas: El sistema impulsado por IA supera significativamente la inspección manual tradicional, logrando tasas de detección de hasta el 73% en comparación con el 50%.
  • Rápido y no invasivo: La tecnología se puede integrar directamente en las líneas de procesamiento industrial existentes, lo que permite un monitoreo rápido y continuo de los productos del mar sin la necesidad de pruebas destructivas.
  • Seguridad alimentaria mejorada: Al detectar y eliminar eficazmente el pescado contaminado, esta tecnología ayuda a garantizar la seguridad y la calidad de los productos del mar.

Implicancias para la industria del procesamiento de pescado

La nueva tecnología tiene el potencial de revolucionar la industria del procesamiento de los productos del mar, ya que proporciona un método rápido y fiable para detectar parásitos. Esto es especialmente importante para garantizar la salud y la seguridad de los consumidores, ya que los parásitos pueden suponer un riesgo para la salud humana si no se detectan y eliminan adecuadamente.

Los beneficios de esta tecnología se extienden más allá de las tasas de detección mejoradas. El sistema de imágenes hiperespectrales se puede integrar fácilmente en las líneas de procesamiento existentes, lo que reduce la necesidad de inspección manual y minimiza el riesgo de contaminación. Esto también puede ayudar a reducir el desperdicio y mejorar la eficiencia general del proceso de producción.

Conclusión

El desarrollo de la detección de parásitos impulsada por IA representa un avance significativo en el campo de la seguridad alimentaria. Al automatizar el proceso de detección, esta tecnología tiene el potencial de revolucionar la industria de los productos del mar, protegiendo a los consumidores y mejorando la calidad general de los productos del mar. A medida que la IA siga evolucionando, podemos esperar soluciones aún más innovadoras para abordar los desafíos que enfrenta la industria alimentaria.

READ  Residuos de tilapia para producir salchichas

El estudio fue financiado por Nofima.

Contacto
Kathryn E. Anderssen
Department of Seafood Industry, Nofima AS
P.O. Box 6122, 9291, Tromsö, Norway
Email: kate.anderssen@nofima.no

Referencia (acceso abierto)
Syed, S., Ortega, S., Anderssen, K. E., Nilsen, H. A., & Heia, K. (2024). Hyperspectral imaging and deep learning for parasite detection in white fish under industrial conditions. Scientific Reports, 14(1), 1-14. https://doi.org/10.1038/s41598-024-76808-w