Equipment for the in situ detection of adulterations in food characterized in that it comprises a partially adiabatic enclosure (2) where a cuvette is housed with the sample to be analyzed (1) that emits in the infrared range when its temperature varies (3) and which is separated at a distance (4) from a thermographic camera (5) coupled to a computer with thermographic software (5). (Machine-translation by Google Translate, not legally binding)
1. REIVINDICACIONES 1. Equipo para la detecciónin situde adulteraciones en alimentos caracterizado porque que comprende un recinto parcialmente adiabático (2) donde se aloja una cubeta con la muestra a analizar (1) que emite en el rango infrarrojo al variar su temperatura (3) y que se encuentra separada a un distancia (4) de una cámara termográfica (5) acoplada a un ordenador con software termográfico (5). 2. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicación 1, donde la distancia entre la muestra a analizar y la cámara termográfica es de 25 cm. 3. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicación 1, caracterizado porque utiliza un método de método de detección que comprende: a) Generar una base de datos de imágenes termográficas de muestras adulteradas y sin adulterar tomando dichas imágenes mediante una cámara termográfica durante un periodo de decremento de temperatura de las muestras. b) Diseñar una red neuronal convolucional para el tratamiento de las imágenes tomadas. c) Entrenar la red neuronal convolucional utilizando la base de datos para diferenciar muestras adulteradas y sin adulterar siguiendo modelos matemáticos. d) Validar los modelos matemáticos. e) Testar la red neuronal convolucional diseñada utilizando muestras previamente adulteradas. f) Generar imágenes termográficas de muestras sospechosas de adulteración y analizarlas empleando la red neuronal convolucional previamente entrenada y validada. 4. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicación 2, donde previamente las muestras son calentadas a una temperatura hasta un 60 % superior a la temperatura ambiente y se introducen en un recinto parcialmente adiabático con una apertura frontal que permite que la radiación infrarroja emitida al enfriarse sea captada directamente por la cámara terrmográfica. 5. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicaciones anteriores, donde el alimento es miel con posible adulteración con sirope de arroz en un porcentaje entre el 1 y el 8 % en peso. 6. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicación 5, donde el decremento de temperatura en la muestra va desde los 40°C hasta los 36°C durante el cual se toman imágenes termográficas cada quince centésimas de segundos completando una base de datos de, aproximadamente, 80.000 imágenes. 7. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicaciones 1 a 4, donde el alimento es aceite de oliva virgen extra (AOVE) variedad Picual adulterado con tres tipos de aceite de peor calidad (aceite de girasol, aceite de oliva refinado y/o aceite de orujo de oliva) en un porcentaje entre el 2 y el 8%. 8. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicación 7, donde el decremento de temperatura en la muestra va desde los 39°C hasta los 36°C. 9. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicación 3, donde la red neuronal convolucional presenta tres tipos de capa: convolucional, capapoolingy capafully connectedy una función de error que participa en la determinación de los parámetros de aprendizaje. 10. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicación 9, donde la capa convolucionales constan de 8 filtros de kernel de tamaño 3x3, rellenozeropadding,unstridede 2x2 y requieren una función de activación no lineal. 11. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicación 9, donde la función de activación no lineal es la función de activación no lineal rectificada (ReLU) y anterior a ella se aplica una capa de normalización reduciendo el riesgo deoverfitting. 12. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicaciones 9 a 11, donde la capa depoolingemplea el métodomaxpoolingcomo complemento a la convolución con una dimensión de 2x2. 13. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicaciones 9 a 12, donde la capafully connectedaplica la funciónsoftmaxpara calificar cada imagen. 14. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicaciones 9 a 13, donde el entrenamiento de la red neuronal utiliza un algoritmo de retropropagación para la optimización de los filtros kernel y los pesos de la capafully connecteda través de la función error y el gradiente descendente iniciando el coeficiente de aprendizaje con el valor 0,0001, fijando unrate dropdel mismo de 0,1 y utilizando un conjunto de datos de entrenamiento (minibatch)denominado gradiente estocástico (SGD). 15. Equipo para la detecciónin situde adulteraciones en alimentos, según reivindicaciones 9 a 14, donde la validación y prueba de los modelos se realiza dividiendo de forma aleatoria las imágenes termográficas obtenidas en tres grupos: entrenamiento (75%), validación (15%) y test (10%), de forma que el primer grupo se emplea para calcular errores y optimizar parámetros de aprendizaje, el segundo para verificación de parámetros del modelo y el tercero para comprobar la precisión final del modelo.