Des chercheurs mettent au point une méthode d’apprentissage automatique pour identifier le faux miel
Des chercheurs mettent au point une méthode d’apprentissage automatique pour identifier le faux miel

Une équipe de chercheurs de l’Imperial College de Londres et de l’UCL a récemment mis au point une nouvelle méthode d’authentification du miel par apprentissage automatique et microscopie. Leur technique, décrite dans un article prépublié sur arXiv, pourrait détecter le miel dilué ou mal étiqueté à un coût bien inférieur aux méthodes existantes.
Le miel est produit par les abeilles après qu’elles aient recueilli le nectar des fleurs, l’ont décomposé en sucres simples et l’ont stocké dans des rayons de miel. Le miel est actuellement le troisième produit alimentaire le plus contrefait au monde. Il est souvent mal étiqueté, ce qui implique la vente d’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 « , a déclaré Gérard Glowacki, l’un des chercheurs qui a réalisé l’étude. « 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. »
La production de faux miel coûte nettement moins cher, ce qui peut nuire aux producteurs de miel véritable, 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 à celles de l’apiculture véritable, ce qui peut entraîner un mauvais traitement des colonies d’abeilles. Des méthodes efficaces et peu coûteuses d’authentification du miel pourraient aider à identifier rapidement le faux miel afin qu’il puisse être retiré du marché ou réétiqueté correctement.
« La mélissopalynologie, qui authentifie le miel à partir de ses sources botaniques, existe depuis plusieurs décennies, avec la réputation d’être un processus lent et spécialisé « , a déclaré Peter He, l’un des chercheurs qui a réalisé cette étude. « Nous pensions pouvoir accélérer les choses avec un opérateur qui ne souffre pas de fatigue, d’oubli et d’ennui. »

Un diagramme expliquant le système d’authentification du miel.
Les méthodes d’authentification du miel les plus couramment utilisées comprennent la réaction quantitative en chaîne par polymérase (qPCR), la spectroscopie par résonance magnétique nucléaire (RMN), la spectrométrie de masse par chromatographie liquide (LC-MS), la spectroscopie proche infrarouge (NIR) et la microscopie. Les chercheurs ont également mis au point d’autres tests pour l’identification de types spécifiques de miel, mais la plupart d’entre eux se sont révélés jusqu’à présent inefficaces.
La technique de pointe actuelle d’authentification du miel de manuka, un miel de nectar de fleurs de manuka très recherché et produit en Nouvelle-Zélande, est basée sur quatre marqueurs chimiques et l’utilisation d’un test pour l’ADN du pollen de manuka. Toutefois, cette méthode ne peut être utilisée 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, d’où leur coût souvent très élevé. Dans leur étude, Gerard Glowacki, Peter He et leur collègue Alexis Gkantiragas ont développé une nouvelle méthode pour authentifier le miel en utilisant la microscopie augmentée par apprentissage machine, qui pourrait être beaucoup moins chère que les procédures existantes.
« Nous identifions le pollen dans les échantillons de miel à l’aide de techniques d’apprentissage approfondies standard « , explique Alexis 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 prélevé 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 champ clair, capturant environ 2500 images microscopiques de pollen.

Le poste de travail des chercheurs alors qu’ils disposaient d’une version bon marché du système en cours d’exécution.
Après avoir soigneusement étiqueté et annoté ces images, les chercheurs les ont utilisées pour former leur modèle d’apprentissage machine. Leur modèle consiste en un réseau de segmentation, formé pour détecter et segmenter le pollen, ainsi qu’un réseau d’authentification, formé pour classer les différents types de miel.
« Il est actuellement difficile de distinguer le faux du vrai miel, » précise Alexis Gkantiragas. « L’analyse du sucre peut être trompée en utilisant différents sucres. La RMN est coûteuse et nécessite des professionnels. Notre équipement coûte de l’argent de poche, est simple à utiliser et peut être déployé à grande échelle. »
Lors d’évaluations préliminaires, les chercheurs ont constaté que leur méthode d’authentification du miel pouvait détecter efficacement le miel dilué et mal étiqueté. Toutefois, il n’est pas en mesure d’identifier une contamination par des métaux lourds, des pesticides ou des antibiotiques, d’où la nécessité éventuelle 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 ultrafiltrés dans lesquels il n’y a pas de pollen.
Bien que les résultats recueillis par les chercheurs soient prometteurs, leur système doit encore être développé avant de pouvoir être appliqué à plus grande échelle. Par exemple, les chercheurs doivent recueillir un ensemble de données plus vaste sur le pollen afin de mieux saisir la diversité des pollens dans le miel.
« Une étape importante dans le passage du système de la recherche au monde réel consisterait à le rendre plus robuste et à le rendre compatible avec le matériel informatique « , a-t-il expliqué. « Nous étudions, entre autres, des méthodes de formation accusatoire pour nous assurer que nos représentations sont de premier ordre. »
Les chercheurs prévoient continuer à travailler sur leur système pour s’assurer qu’il peut authentifier efficacement le miel dans des scénarios réels. A l’avenir, ils pourraient même envisager de piloter un système de certification décentralisé basé sur leur technologie.
https://techxplore.com/news/2019-01-machine-method-fake-honey.html