Validation of two discriminant strategies applied to NIRS data spectra for detection of animal meals in feedstuffs

• Autores: Ana Belén Soldado Cabezuelo , José Ramón Quevedo Pérez , Antonio Bahamonde Rionda , S. Modroño Lozano, Adela Martínez Fernández, Fernando Vicente Mainar, Dolores Pérez Marín , Ana Garrido Varo , José Emilio Guerrero Ginel , María Begoña de la Roza Delgado
• Localización: Spanish journal of agricultural research, ISSN-e 2171-9292, ISSN 1695-971X, Vol. 9, Nº. 1, 2011, págs. 41-48
• Idioma: inglés
• DOI: 10.5424/sjar/20110901-138-10
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Para el desarrollo de aplicaciones cualitativas o cuantitativas con datos espectroscópicos, como los obtenidos mediante espectroscopia de infrarrojo cercano (NIRS), se han propuesto diferentes metodologías basadas en la estadística matemática y la literatura informática. Entre las alternativas quimiométricas, han surgido las máquinas de vectores soporte (SVM), ampliamente utilizadas para el modelado no linear de sistemas de múltiples variables. Estos métodos quimiométricos de clasificación se evalúan en base al porcentaje de aciertos. El objetivo del presente trabajo ha sido desarrollar y validar una metodología sólida, discriminante, precisa y rápida haciendo uso de la información NIRS para detectar la presencia de harinas animales, prohibidas en piensos compuestos para determinadas especies. Para ello, se evaluaron dos estrategias quimiométricas diferentes, un método lineal modificado basado en mínimos cuadrados parciales y un método de análisis no lineal basado en máquinas de vectores soporte. Los resultados mostraron que el modelo modificado PLS permite obtener coeficientes de determinación para la validación cruzada en torno a 0,97. En lo referente al SVM, con esta estrategia no se detectó ningún falso negativo. Con ambas estrategias el porcentaje más bajo de la clasificación errónea de las muestras en una validación externa se logró con SVM, 0% utilizando muestras patrón certificadas con un contenido en harinas animales entre el 0,05% y el 4%. Los resultados obtenidos han demostrado que la estrategia SVM es el método más robusto de clasificación para la detección de harinas animales en piensos mediante metodología NIRS.

  • English

    For developing qualitative or quantitative applications with spectroscopic data, such as near infrared spectroscopy (NIRS), different methodologies have been proposed in the mathematical statistical and computer science literature. Useful chemometrical alternatives have emerged, such as support vector machines (SVM), widely used for modeling multivariate and non-linear systems. These methods are usually compared using the classification performance and the success of results. The aim of the present work was to develop and validate a robust, accurate and fast discriminant methodology based on NIRS data to detect presence of animal meals in feedstuffs. A linear method, modified partial least square (PLS) analysis and one non-linear method (SVM) were studied. Results showed that modified PLS model allows obtaining coefficients of determination for cross validation around 0.97. Applying SVM strategy no false negatives were detected during training step. With both strategies the lowest percentage of misclassified samples on external validation was achieved with SVM, 0% with certified standard samples containing from 0.05% to 4% of animal meals. These results show SVM strategy as a robust method of classification for detecting animal meals in feedstuffs using NIRS methodology.

• Referencias bibliográficas
  • BARNES R.J., DHANOA M.S., LISTER S.J., 1993. Correction of the description of standard normal variate (SNV) and De-Trend transformation in...
  • CHIH-CHUNG CH., CHIH-JEN L., 2001. LIBSVM : a library for support vector machines. Software available at http://www.csie.ntu.edu.tw/~cjlin/libsvm
  • COGDILL R.P., DARDENNE P., 2004. Least-squares support vector machines for chemometrics: an introduction and evaluation. J Near Infrared Spec...
  • DE LA ROZA-DELGADO B., 2005. Near Infrared Spectroscopy for enforcement of European Legislation concerning the use of animal by-products in...
  • DE LA ROZA-DELGADO B., SOLDADO A., MODROÑO S., MARTÍNEZ A., VICENTE F., PÉREZ-MARÍN D.C., GARRIDO-VARO A., GUERRERO J.E., BAYÓN G.F., QUEVEDO...
  • DE LA ROZA-DELGADO B., SOLDADO A., MARTÍNEZ-FERNÁNDEZ A., VICENTE, F., GARRIDO-VARO A., PÉREZ–MARÍN D., DE LA HABA M.J., GUERRERO-GINEL J.E.,...
  • Fernández-Ahumada E., Fearn T., Gómez A., Vallesquino P., Guerrero J. E., Pérez-Marín D., Garrido-Varo A., 2008. Reducing NIR prediction errors...
  • Fernández-Ibáñez V, Fearn T., Montañés E., Quevedo J.R., Soldado A., De La Roza-Delgado B., 2010. Improving the discriminatory power of a...
  • Fernández-Pierna J.A., Baeten V., Michoette R., Cogdill R.P., Dardenne P., 2004. Combination of support vector machines (SVM) and near-infrared...
  • Garrido-Varo A., Pérez–Marín D., Guerrero J. E., Gómez-Cabrera A., De La Haba M. J., Bautista J., Soldado A., Vicente F., Martínez A., De...
  • Joachims T., 1998. Making large-scale support vector machine learning practical Advances in Kernel Methods: Support Vector Machines (Scholkopf...
  • Murray I., Aucott L.S, Pie I.H., 2001. Use of discriminant analysis on visible and near infrared reflectance spectra to detect adulteration...
  • Naes T., Isaksson T., Fearn T., Davies T., 2002. A user-friendly guide to multivariate calibration and classification. NIR Publ, Chichester,...
  • Perez-Marín D., Garrido A., Guerrero J., Murray I., Puigdomenech A., Dardenne P., Baeten V., Zegers J., 2004. Detection and quantification...
  • Pérez-Marín D., Garrido-Varo A., Guerrero J. E., Fearn T., Davies A.M. C., 2008a. Advanced nonlinear approaches for predicting the ingredient...
  • Pérez–Marín D., Garrido-Varo A., Guerrero J.E., Gómez A., Soldado A., De La Roza-Delgado B., 2008b. External validation and transferability...
  • Prince M.J., Bailey J.A., Barrowman P.R., Bishop K.J., Campbell G.R., Wood J.M., 2003. Bovine spongiform encephalopathy. Rev Sci Tech Off...
  • Sellier P., 2003. Protein nutrition for ruminants in European countries, in the light of animal feedings regulations, linked to bovine spongiform...
  • Shenk J.S., Westerhaus M.O., 1991. New standardization and calibration procedure for NIRS analytical systems. Crop Sci 31, 1548-1555. http://dx.doi.org/10.2135/cropsci1991.0011183X003100060034x
  • Shenk J.S., Westerhaus M.O., 1993. Analysis of agriculture and food products by near infrared reflectance spectroscopy. Monograph, Infrasoft...
  • Vanciuc O., 2007. Applications of support vector machines in chemistry Rev Comput Chem 23, 291-400.
  • Van Raamsdonk L.W.D., Von Holst C., Baeten V., Berben G., Boix A., De Jong J., 2007. New developments in the detection and identification...
  • Vapnik V., 1998. Statistical learning theory. Wiley Intersci, NY, USA.
  • Von Holst C., Baeten V., Boix A., Slowikowski B., Fernández Pierna J.A., Tirendi S., Dardenne P., 2008. Transferability study of a near-infrared...
  • WESTON J., ELISSEEFF A., BAKIR G., SINZ F., 2006. Library of objects in Matlab. Available in http://www.kyb.tuebingen.mpg.de/bs/people/spider
  • Winisi II, 2000. The complete software solution using a single screen for routine analysis, robust calibrations, and networking manual, version...