Dépistage non destructif des résidus de florfénicol dans les œufs à l'aide de la spectroscopie VIS-NIR et du modèle CNN-ECA

Introduction

Le contrôle des résidus d'antibiotiques dans les produits alimentaires d'origine animale est un enjeu majeur pour la sécurité alimentaire mondiale. Parmi ces substances, le florfénicol, un antibiotique fréquemment utilisé en aviculture, suscite de vives préoccupations en raison de son potentiel risque sur la santé humaine et de la réglementation stricte entourant sa présence dans les denrées alimentaires. La détection fiable, rapide et non destructive de ces résidus dans les œufs s'impose ainsi comme une priorité cruciale du secteur agroalimentaire.

Avec les avancées récentes de la spectroscopie visible-proche infrarouge (VIS-NIR) associée à l'intelligence artificielle, il est désormais possible d'élaborer des systèmes de dépistage innovants, performants et respectueux de l'intégrité des matrices alimentaires. L'étude analysée explore précisément l'emploi d'un modèle de réseaux de neurones convolutifs améliorés par l'attention efficace des canaux (CNN-ECA) pour le dépistage non destructif du florfénicol dans des œufs via la spectroscopie VIS-NIR.

Méthodologie

Collecte des échantillons et préparation

Des œufs de poule ont été sélectionnés et préparés de façon à simuler différentes concentrations de résidus de florfénicol. Les échantillons, représentatifs des conditions réelles, permettent d'assurer la robustesse des modèles à entraîner.

Acquisition des spectres VIS-NIR

Les mesures spectrales ont été réalisées sur l'enveloppe, puis l'intérieur des œufs, entre 400 nm et 2500 nm, plages caractéristiques du spectre visible et du proche infrarouge. Cette plage large favorise la capture de signatures moléculaires spécifiques du florfénicol tout en tenant compte de la matrice complexe de l'œuf.

Architecture CNN-ECA

Pour l’analyse des données, l'étude recourt à un réseau de neurones convolutif (CNN), enrichi d’un mécanisme d’attention sur les canaux (ECA pour Efficient Channel Attention). Ce module permet au réseau de pondérer automatiquement l'importance des différentes longueurs d’onde du spectre, optimisant ainsi l’extraction des caractéristiques pertinentes pour la détection du florfénicol.

Calibration et validation des modèles

Après une phase initiale de prétraitement spectral (centrage, normalisation), le modèle CNN-ECA est entraîné à partir d'un large jeu de données caractérisé par une diversité d’échantillons. Différents scénarios de validation croisée garantissent la généralisation des performances et minimisent le risque de sur-apprentissage.

Résultats

Performances de détection

Le modèle CNN-ECA s'est distingué par une capacité accrue à identifier et à quantifier avec précision les résidus de florfénicol dans des matrices complexes comme l’œuf. Par rapport à d'autres approches classiques (PLS, modèles CNN sans ECA), il offre :

• Taux de reconnaissance supérieure : Précision d'identification accrue des échantillons contaminés vs. non contaminés.
• Robustesse et stabilité : Faible variance des résultats lors des validations croisées.
• Réduction du temps d’analyse : Processus rapide éliminant les étapes destructrices, précieux pour le contrôle industriel à haut débit.

Importance de certains intervalles spectraux

L'intégration du module ECA permet de mettre en avant certaines plages de longueurs d’onde dans le VIS-NIR particulièrement informatives pour détecter le florfénicol. Cela ouvre la voie à l’optimisation des dispositifs spectroscopiques en vue de rendre les analyses toujours plus sélectives et économiques.

Discussion

Avantages de l’approche non destructive

L’utilisation de la spectroscopie VIS-NIR en combinaison avec l’intelligence artificielle présente plusieurs atouts majeurs :

• Respect de l’intégrité des aliments : Absence de prélèvement ou de destruction de l’échantillon.
• Rapidité et automatisation : Diagnostic en temps réel possible sur chaîne de production.
• Réduction des coûts et déchets chimiques : Suppression des réactifs et solvants utilisés lors des analyses chromatographiques traditionnelles.

Limites identifiées et perspectives

Il subsiste des défis liés à la diversité des matrices alimentaires, possibles interférences spectrales, ou la nécessité d’une calibration rigoureuse pour chaque nouvelle variété d’œuf. Néanmoins, l’association de la spectroscopie VIS-NIR et de l'attention artificielle prépare le terrain pour des avancées majeures dans le dépistage alimentaire non destructif.

Applications futures

Ce protocole pourrait être étendu à la détection d'autres contaminants vétérinaires ou résidus médicamenteux afin de garantir la qualité sanitaire des filières œuf et plus largement, des produits d’origine animale.

---

Source : https://www.sciencedirect.com/science/article/abs/pii/S0956713526005803