Un equipo de investigación de la Universidad de Sevilla (US) y de la Universidad de Huelva (UHU) ha desarrollado un sistema 'inteligente' que identifica la forma de alimentación que han recibido los corderos a partir de muestras de carne. Según informa la Fundación Descubre, organismo dependiente de la Consejería de Universidad, Investigación e Innovación, este método alternativo a las visitas técnicas puede emplearse en la industria para realizar un seguimiento del producto de la granja a la mesa, así como para certificar la calidad para determinados tipos de carne.

Los expertos afirman que aunque este sistema se ha empleado con anterioridad en otros sectores, como la identificación del flujo de personas en las ciudades, se trata de la primera vez que se aplica inteligencia artificial como método de trazabilidad del cordero. "A partir de una muestra del producto podemos ver, incluso, qué han comido los animales", explica a la Fundación Descubre el investigador de la Universidad de Sevilla Manuel García-Infante.

Normalmente, la trazabilidad de los productos cárnicos se lleva a cabo mediante inspecciones que cumplen su cometido. No obstante, los expertos señalan que este método presenta limitaciones como la falta de precisión, dado que los registros manuales pueden ser inexactos, conllevan el rastreo manual de cada lote de carne y aportan escasa información; es decir, la complejidad de obtener datos detallados sobre las condiciones de crianza, alimentación y procesamiento del producto.

Análisis físico, químico y sensorial

Por este motivo, en el artículo 'Effectiveness of machine learning algorithms as a tool to meat traceability system. A case study to classify Spanish Mediterranean lamb carcasses' publicado en la revista Food Control, los investigadores explican que la inteligencia artificial aporta una mayor precisión y eficiencia a la trazabilidad de la carne. Además, permite una identificación más exacta del origen y de las características del producto a lo largo de la cadena de suministro.

Para comprobar la validez de la inteligencia artificial, los expertos identificaron mediante análisis físicos, químicos y sensoriales cada pieza de carne en función de tres parámetros. Primero, los compuestos que contiene, como las proteínas o los ácidos grasos, entre otros. Segundo, la parte física, que incluye la firmeza de la carne, su capacidad de retención de agua y su color y por último realizaron una prueba con panelistas entrenados que ayudaron a evaluar y analizar las características sensoriales del alimento, como su sabor, aroma y textura.

Con estos datos, el equipo investigador elaboró distintas bases de datos y las probaron con seis algoritmos de inteligencia artificial para comprobar cuál identificaba mejor cada tipo de carne según sus propiedades y cuál categorizaba su calidad en función de las mismas. Además, dividieron los tipos de carne en tres grupos: corderos lechales, alimentados con pasto natural y alimentados con pienso concentrado en establo. "En función de los datos físicos, químicos y sensoriales, el sistema detecta qué ha comido el cordero. También nos hemos encontrado con casos en los que lo categoriza en función de lo que haya comido la madre", añade el investigador de la Universidad de Huelva José Luis Guzmán.

Identificar y categorizar

Luego, los expertos evaluaron qué tipología de algoritmo funcionaba mejor con cada base de datos y determinaron que el algoritmo de aprendizaje automático (machine learning) era el más efectivo. Este método consiste en 'enseñar' al sistema con una porción de una base de datos a identificar tipos de carnes, de modo que luego, sobre la base de esa información, pueda clasificarlas por sí mismo.

Los expertos indican que la forma de emplear este procedimiento en la industria sería mediante la instalación de un dispositivo que pueda realizar un análisis bioquímico 'in situ'. De este modo, se podrían analizar las piezas de carne en tiempo real.

El siguiente paso de los investigadores de los grupos AGR 273 Nuevas Tecnologías de Mejora Animal y de Sus Sistemas Productivos de la Universidad de Sevilla y AGR Tecnología de la Producción Animal de la Universidad de Huelva es buscar otro tipo de datos que les permita mejorar la eficacia de este método. Asimismo, quieren probarlos con otro tipo de algoritmos. "Este trabajo ha sido una primera toma de contacto que nos ha aportado información técnica, pero podemos mejorarlo y desarrollar nuevas aplicaciones en las distintas fases de la cadena de producción", explica García-Infante.

Este trabajo ha sido financiado por el Instituto de Investigación y Formación Agroalimentaria y Pesquera de las Islas Baleares (IRFAP) y el Instituto Nacional de Investigación y Tecnología Agraria y Alimentaria.