Authenticating white grape must variety with classification models based on aroma sensors, FT-IR and UV spectrometry
Authentification de la variété de raisin blanc grâce à des modèles de classification utilisant les capteurs d'arômes, la spectrométrie FT-IR et UV appliqués à du moût
Résumé
This paper aims at assessing the capability of high-speed analytical devices, such as aroma sensors ("electronic noses"), Fourier Transform Infra Red (FT-IR) and ultraviolet spectrometers to classify white grape musts (grape juices before fermentation) in Transform InfraRed (FT-IR) and ultraviolet spectrometers to classify white grape musts (grape juices before fermentation) in variety categories. Due to the complexity of the signal generated, specific data processing techniques have been developed and are described here. First, a pre-processing technique, based on Genetic Algorithms, is applied to spectra to improve spectrometer efficiency without expert knowledge in spectrometry ; by selecting the most discriminant subsets of wavelengths, this stochastic method tends to reduce over-fitting and improves classification results. Secondly, the Partial Least Squares Regression technique is adapted to a pattern recognition problem, using Partial Least Squares-Discriminant Analysis, a multivariate classification technique. These devises and data processing techniques are applied to ore than 100 must samples. FT-IR spectrometry is the most satisfactory technique with a 9,6% classification error level. Finally, outputs of the there individual sensors are combined in a "low-level" fusion method, by concatenating the individual sensor signals. This straightforward fusion method does not significantly improve results.2003 Elsevier Ltd. All rights reserved.
Cet article a pour objectif d'évaluer la capacité de systèmes d'analyses ultra-rapides tels que les capteurs d'arômes, la spectrométrie infrarouge à transformée de Fourier et la spectrométrie ultraviolet pour classer des moûts de raisin blanc (avant fermentation) en fonction de leur variété. Du fait de la complexité des signaux générés , des procédés spécifiques de traitement de l'information sont développés et décrits. Tout d'abord une première technique, basées sur les algorithmes génétiques est appliquée aux spectres pour améliorer l'efficacité du traitement sans faire appel à un savoir-faire d'expert en spectrométrie ; en sélectionnant le jeu de longueurs d'ondes le plus discriminant, cette technique stochastique évite le sur-apprentissage et améliore la classification. Ensuite, la régression aux moindres carrés partiels est adaptée à un problème de reconnaissance de formes : c'est l'analyse discriminante aux moindres carrés partiels, technique de classification multivariée. Ces équipements et ces techniques de traitement sont appliqués à plus de 100 échantillons de moûts. La spectrométrie FT-IR est la plus satisfaisante avec 9,6% d'erreur de classification. Les sorties de ces capteurs sont combinées entre elles par une fusion bas niveau (concaténation des signaux individuels). Cette méthode ne permet pas d'accroître la performance de manière significative.