With the current growing need for low production costs and high efficiency, the food industry is faced with a number of challenges, including maintenance of high-quality standards and assurance of food safety while avoiding liability issues. Meeting these challenges has become crucial in regards to grading food products for different markets. Food companies and suppliers need efficient, low-cost, and non-invasive quality and safety inspection technologies to enable them to satisfy different markets. With recent advancements in computer technology and instrumentation engineering, there have been significant advancements in techniques for assessment of food quality and safety. Machine vision and NIR spectroscopy are two of the more extensively applied methods for food quality and safety assessment and nowadays a new technique, combination of the two previous ones called Hyperspectral imaging, has become more and more popular. The aim of this work has been to analyze the capability of different optical systems in the NIR wavelength range for its possible implementation at line in a production chain for the food quality control in terms of adulteration detection. In order to do that, three different experiments with different analytical techniques have been performed: Detection of colt meat adulteration with beef using Hyperspectral imaging, detection of alcohol beverages adulteration with methanol using conventional NIR and finally, detection of fraud in the yogurts fat content using a NIR handheld device powered by IRIS. The prediction models for detection and quantification of different types of food adulteration that have been generated presents, in all cases good regression results, with a R2 values near to 1, and little calibration (RMSEC, RMSECV), and prediction (RMSEP) errors. Hyperspectral imaging technique seems to be an attractive solution for detecting adulterations in food industry. Therefore, the laborious and time-consuming conventional analytical techniques could be replaced or complemented by spectral data to provide a rapid and non destructive testing technique in the food industry.

Amb la creixent necessitat actual de reduir els costos de producció i augmentar l'eficiència, d'indústria alimentària s'enfronta a una sèrie de desafiaments, incloent el manteniment dels estàndards de qualitat, la garantia de la seguretat alimentària i/o evitar problemes de responsabilitat. Les companyies alimentaries i els proveïdors necessiten noves tecnologies no invasives per al control de qualitat i d'inspecció de la seguretat que puguin satisfer les necessitats dels diferents mercats Amb els recents avenços en informàtica i enginyeria de d'instrumentació, s'han produït importants avenços en les tècniques d'avaluació de la qualitat i seguretat alimentària. La visió artificial i l'espectroscòpia NIR són dos dels mètodes més àmpliament utilitzats pel control de la qualitat i l'avaluació de la seguretat en l'actualitat. Recentment, una nova tècnica òptica, combinació de les dues anteriors, anomenada anàlisi d'imatges hiperespectrals (HSI, en anglès), ha guanyat interès. L'objectiu d'aquest treball ha estat analitzar la capacitat de diferents sistemes òptics en el rang de longituds d'ona NIR per a la seva possible aplicació en una cadena de producció per al control de qualitat en termes de detecció de possibles adulteracions. Per tal de fer això, s'han realitzat tres experiments diferents amb diferents tècniques òptiques: Detecció d'adulteracions en carn de poltre amb carn de vedella utilitzant imatges hiperespectrals (HSI), detecció d'adulteracions en begudes alcohòliques amb metanol utilitzant NIR convencional i finalment , la detecció de frau en el contingut de greix dels iogurts utilitzant un dispositiu NIR de mà dissenyat per IRIS. Els models de predicció per a la detecció i quantificació dels diferents tipus d'adulteració que s'han generat presenten, en tots els casos, bons resultats de regressió, amb uns valors de R2 propers a 1 i errors de calibratge (RMSEC, RMSECV) i de predicció (RMSEP) petits. La tècnica d'anàlisi d'imatges hiperespectrals sembla ser una solució atractiva per la detecció d'adulteracions en d'indústria alimentària. Per tant, les laborioses tècniques analítiques convencionals que consumeixen molt de temps podrien ser substituïdes o complementades per dades espectrals proporcionant, d'aquesta manera a la indústria alimentària de tècniques ràpides i no destructives.

Con la creciente necesidad actual de reducir los costos de producción y aumentar la eficiencia, la industria alimentaria se enfrenta a una serie de desafíos, incluyendo el mantenimiento de los estándares de calidad, garantía de la seguridad alimentaria y a evitar problemas de responsabilidad. Las compañías alimentarias y los proveedores necesitan nuevas tecnologías no invasivas para el control de calidad e inspección de la seguridad que puedan satisfacer las necesidades de los distintos mercados. Con los recientes avances en tecnología informática e ingeniería de la instrumentación, se han producido importantes avances en las técnicas de evaluación de la calidad y seguridad alimentaria. La visión artificial y la espectroscopia NIR son dos de los métodos más ampliamente usados para este fin en la actualidad y recientemente, una nueva técnica óptica, combinación de los dos anteriores, llamada análisis de imágenes hiperespectrales (HSI, en inglés), ha ganado interés El objetivo de este trabajo ha sido analizar la capacidad de diferentes sistemas ópticos en el rango de longitudes de onda NIR para su posible aplicación en una cadena de producción para el control de calidad de los alimentos en términos de detección de adulteraciones. Se han realizado tres experimentos diferentes con distintas técnicas ópticas analíticas: Detección de adulteración en carne de potro con carne de ternera utilizando imágenes hiperespectrales (HSI), detección de adulteraciones en bebidas alcohólicas con metanol usando NIR convencional y por último, la detección de fraude en el contenido de grasa de los yogures utilizando un dispositivo NIR de mano diseñado por IRIS. Los modelos de predicción para la detección y cuantificación de los diferentes tipos de adulteración que se han generado presentan, en todos los casos, buenos resultados de regresión, con unos valores de R2 cercanos de 1, y errores de calibración (RMSEC, RMSECV), y de predicción (RMSEP) pequeños. La técnica de imagen hiperespectral parece ser una solución atractiva para detectar adulteraciones en la industria alimentaria. Por lo tanto, las laboriosas técnicas analíticas convencionales que consumen mucho tiempo podrían ser sustituidas o complementadas por datos espectrales proporcionando, de este modo a la industria alimentaria de técnicas rápidas y no destructivas.