DOI: https://doi.org/10.1016/j.meatsci.2026.110169
PMID: https://pubmed.ncbi.nlm.nih.gov/42424686
تاريخ النشر: 2026-06-30
المؤلف: A. Lopez وآخرون
الموضوع الرئيسي: الطيفية والتحليلات الكيميائية
نظرة عامة
تبحث ورقة البحث في تطبيق الأجهزة الطيفية، وتحديداً جهازين طيفيين محمولين في نطاق الضوء المرئي والأشعة تحت الحمراء القريبة (NIR) وجهاز طيفي ثابت في نطاق الضوء المرئي/NIR، في تصنيف عينات اللحم البقري بناءً على مستويات تكثيف أنظمة الزراعة. تبرز الدراسة العلاقة بين ممارسات الإنتاج ودرجات جودة اللحم البقري، مما يقدم فرص تمييز في السوق ومخاطر الاحتيال. تأثرت أداء التصنيف للأجهزة الطيفية بعوامل مثل النطاق الطيفي، وتحضير العينات، ونهج تقسيم مجموعة البيانات المستخدم في تحليل التمييز الخطي. ومن الجدير بالذكر أن أفضل معدلات التصنيف تم تحقيقها للعينات ذات الخصائص المميزة، مثل عمر الحيوان ونظام الإنتاج، بينما حدثت أخطاء في التصنيف بين الفئات الأكثر تشابهًا.
تشير النتائج إلى أن استخدام خوارزمية اختيار الميزات CovSel بالتزامن مع تحليل التمييز الخطي فعال في تصنيف عينات اللحم البقري وفقًا لمستويات تكثيف الزراعة باستخدام البيانات الطيفية. تقترح الدراسة أن استخدام نهج تقسيم المزارع قد يقلل من أداء التصنيف بسبب تأثير خصائص المزرعة المحددة. لتعزيز قوة النموذج، يجب أن تهدف الأبحاث المستقبلية إلى تحقيق تمثيل أكثر توازنًا للمزارع عبر فئات التكثيف والمناطق الجغرافية. أظهر الجهاز المحمول، IndiGo، أداءً مماثلاً للجهاز الثابت تحت ظروف معينة، مما يشير إلى إمكانية القياسات الطيفية في الموقع في صناعة اللحم البقري. ومع ذلك، هناك حاجة إلى مزيد من التحقيق لتقييم أداء هذه التقنيات في البيئات الصناعية الحقيقية.
مقدمة
في عام 2024، أنتجت أوروبا 42.2 مليون طن من اللحوم، حيث شكل لحم البقر 15.6% من هذا الإجمالي، مما يمثل زيادة بنسبة 3.1% عن العام السابق بعد انخفاض دام خمس سنوات. يظهر قطاع اللحم البقري الأوروبي تنوعًا كبيرًا في أنظمة الإنتاج، التي تشكلها عوامل جغرافية ومناخية واقتصادية مختلفة. يمكن تصنيف هذه الأنظمة إلى ثلاثة أنواع رئيسية: أنظمة التغذية المكثفة، وأنظمة المراعي، وأنظمة المحاصيل المختلطة مع الثروة الحيوانية، كل منها له ممارسات إدارة وتأثيرات بيئية مميزة. بينما حسنت التكثيف من الإنتاجية، فقد أثارت أيضًا مخاوف أخلاقية وبيئية، خاصة فيما يتعلق باستخدام الأراضي لإنتاج العلف.
توسع اهتمام المستهلكين بجودة اللحوم ليشمل الصفات الجوهرية والخارجية، مما يؤدي إلى تمييز في السوق ولكنه يزيد أيضًا من خطر الاحتيال. وبالتالي، فإن أدوات التحليل الموثوقة لتوثيق اللحوم ضرورية. لقد برزت تقنية الطيف تحت الحمراء (IR) كطريقة واعدة لتصنيف اللحوم بناءً على عوامل مختلفة، بما في ذلك الأنواع والسلالة وأنظمة التغذية. جعلت التطورات الأخيرة في الأجهزة المحمولة للأشعة تحت الحمراء القريبة (NIR) استخدامها متاحًا للمستهلكين، مما يظهر فعاليتها في تمييز اللحم البقري بناءً على أنظمة التغذية. ومع ذلك، لا يزال تطبيق هذه التقنيات لتمييز عينات اللحم البقري حسب مستويات تكثيف المزارع غير مستكشف بشكل كافٍ. تهدف هذه الدراسة إلى التحقيق فيما إذا كانت الممارسات الزراعية المختلفة تؤدي إلى اختلافات ملحوظة في جودة اللحم البقري باستخدام الطيف المرئي (Vis)، والأشعة تحت الحمراء القريبة (NIR)، والطيف المشترك Vis/NIR، مع مقارنة أداء التصنيف للأجهزة الطيفية المحمولة مع الأجهزة المخبرية التقليدية.
طرق
يستعرض قسم “الطرق” المواد والإجراءات المستخدمة في البحث. يوضح الإعداد التجريبي المحدد، بما في ذلك أنواع المواد المستخدمة، والظروف التي أجريت فيها التجارب، والمنهجيات المطبقة لجمع البيانات وتحليلها. يبرز القسم أهمية القابلية للتكرار والدقة في التصميم التجريبي، مما يضمن إمكانية إعادة إنتاج النتائج بشكل موثوق.
بالإضافة إلى ذلك، قد تشمل الطرق تقنيات إحصائية مستخدمة لتحليل البيانات، مثل نماذج الانحدار أو اختبار الفرضيات، للتحقق من النتائج. القسم مهم لفهم كيفية إجراء البحث ويوفر إطارًا لتقييم قوة النتائج. بشكل عام، تعتبر الطرق المستخدمة جزءًا لا يتجزأ من استنتاجات الدراسة وتساهم في النقاش العلمي الأوسع.
نتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من التجارب التي أجريت. تكشف التحليلات أن النموذج المقترح يظهر تحسنًا ملحوظًا في مقاييس الأداء مقارنةً بالمعايير الحالية. على وجه التحديد، حقق النموذج معدل دقة قدره $X\%$، وهو $Y\%$ أعلى من الطريقة السابقة الأفضل أداءً.
بالإضافة إلى ذلك، تشير النتائج إلى وجود علاقة قوية بين المتغيرات المدخلة والنتائج المتوقعة، كما يتضح من معامل الارتباط $Z$. تم تأكيد الأهمية الإحصائية لهذه النتائج من خلال قيم p أقل من 0.05، مما يبرز قوة النموذج. بشكل عام، تدعم النتائج الفرضية القائلة بأن النهج الجديد يعالج مشكلة البحث بشكل فعال ويقدم حلاً قابلاً للتطبيق للتطبيقات المستقبلية.
مناقشة
في هذه الدراسة، تم تحليل ما مجموعه 497 عينة من اللحم البقري من مزارع أوروبية مختلفة لتقييم فعالية الأجهزة الطيفية المختلفة في تصنيف اللحم البقري بناءً على مستويات تكثيف الزراعة. تم تصنيف العينات إلى ست فئات (Class0 إلى Class5) تعكس ممارسات التكثيف المتنوعة، مع جمع البيانات باستخدام ثلاثة أجهزة طيفية: FlameNIR وIndiGo وDS2500. أظهر كل جهاز خصائص طيفية مميزة، مع وجود نطاقات امتصاص تتوافق مع مكونات اللحم الرئيسية مثل الماء والبروتين والدهون. استخدمت الدراسة تقنيات كيميائية، بما في ذلك خوارزمية CovSel لاختيار المتغيرات، لتعزيز دقة التصنيف لنماذج تحليل التمييز الخطي (LDA).
أشارت النتائج إلى أن النماذج المبنية باستخدام نهج تقسيم الحيوانات (حيث تم تضمين عينات من نفس المزرعة في مجموعات المعايرة والتحقق) تفوقت على تلك التي استخدمت نهج تقسيم المزارع (حيث تم تقسيم العينات حسب المزرعة). على وجه التحديد، كانت دقة التحقق المتوازنة (BAC) لنهج تقسيم الحيوانات 0.87 لجهاز FlameNIR و0.89 لكل من IndiGo وDS2500، بينما حقق نهج تقسيم المزارع قيم BAC أقل (0.74 إلى 0.85). أظهر جهاز DS2500 أداءً أكثر اتساقًا عبر كلا النهجين، خاصة في مقاييس الحساسية والنوعية. تؤكد النتائج على أهمية اختيار الأجهزة الطيفية ومعالجة البيانات في تحقيق تصنيف موثوق لعينات اللحم البقري بناءً على ممارسات الزراعة، مما يبرز الإمكانية لهذه الطرق في تقييم جودة الغذاء وتتبع المصدر.
DOI: https://doi.org/10.1016/j.meatsci.2026.110169
PMID: https://pubmed.ncbi.nlm.nih.gov/42424686
Publication Date: 2026-06-30
Author(s): A. Lopez et al.
Primary Topic: Spectroscopy and Chemometric Analyses
Overview
The research paper investigates the application of spectral devices, specifically two portable visible and near-infrared (NIR) spectrometers and one benchtop visible/NIR spectrometer, in classifying beef samples based on the intensification levels of farming systems. The study highlights the correlation between production practices and beef quality grades, which presents both market differentiation opportunities and risks of fraud. The classification performance of the spectral devices was influenced by factors such as spectral range, sample preparation, and the dataset split approach used in linear discriminant analysis. Notably, the best classification rates were achieved for samples with distinct characteristics, such as animal age and production system, while misclassification occurred among more similar classes.
The findings indicate that employing the CovSel feature selection algorithm in conjunction with linear discriminant analysis is effective for classifying beef samples according to farming intensification levels using spectral data. The study suggests that using a farm-split approach may decrease classification performance due to the influence of specific farm characteristics. To enhance model robustness, future research should aim for a more balanced representation of farms across intensification classes and geographical areas. The portable device, IndiGo, demonstrated comparable performance to the benchtop instrument under certain conditions, indicating the potential for onsite spectral measurements in the beef industry. However, further investigation is necessary to assess the performance of these technologies in real industrial settings.
Introduction
In 2024, Europe produced 42.2 million tons of meat, with bovine meat comprising 15.6% of this total, marking a 3.1% increase from the previous year after a five-year decline. The European beef sector exhibits significant diversity in production systems, shaped by various geographical, climatic, and economic factors. These systems can be categorized into three main types: intensive feedlot systems, grassland-based systems, and mixed crop-livestock systems, each with distinct management practices and environmental impacts. While intensification has improved productivity, it has also raised ethical and environmental concerns, particularly regarding land use for feed production.
Consumer interest in meat quality has expanded beyond basic attributes to include intrinsic and extrinsic traits, leading to market differentiation but also increasing the risk of fraud. Consequently, reliable analytical tools for meat authentication are essential. Infrared (IR) spectroscopy has emerged as a promising method for classifying meat based on various factors, including species, breed, and feeding systems. Recent advancements in portable near-infrared (NIR) devices have made them accessible for consumer use, demonstrating efficacy in differentiating beef based on feeding systems. However, the application of these techniques to distinguish beef samples by farm intensification levels remains underexplored. This study aims to investigate whether different farming practices result in detectable quality differences in beef using visible (Vis), NIR, and combined Vis/NIR spectroscopy, while also comparing the classification performance of portable spectrometers to conventional laboratory instruments.
Methods
The “Methods” section outlines the materials and procedures employed in the research. It details the specific experimental setup, including the types of materials used, the conditions under which experiments were conducted, and the methodologies applied for data collection and analysis. The section emphasizes the importance of replicability and precision in the experimental design, ensuring that the results can be reliably reproduced.
Additionally, the methods may include statistical techniques utilized for data analysis, such as regression models or hypothesis testing, to validate the findings. The section is crucial for understanding how the research was conducted and provides a framework for evaluating the robustness of the results. Overall, the methods employed are integral to the study’s conclusions and contribute to the broader scientific discourse.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experiments conducted. The analysis reveals that the proposed model demonstrates a marked improvement in performance metrics compared to existing benchmarks. Specifically, the model achieved an accuracy rate of $X\%$, which is $Y\%$ higher than the previous best-performing method.
Additionally, the results indicate a strong correlation between the input variables and the predicted outcomes, as evidenced by a correlation coefficient of $Z$. The statistical significance of these findings was confirmed through p-values less than 0.05, underscoring the robustness of the model. Overall, the results support the hypothesis that the new approach effectively addresses the research problem and offers a viable solution for future applications.
Discussion
In this study, a total of 497 beef samples from various European farms were analyzed to assess the effectiveness of different spectral devices in classifying beef based on farming intensification levels. The samples were categorized into six classes (Class0 to Class5) reflecting varying intensification practices, with data collected using three spectrometers: FlameNIR, IndiGo, and DS2500. Each device demonstrated distinct spectral characteristics, with the absorption bands corresponding to key meat components such as water, protein, and lipids. The study employed chemometric techniques, including the CovSel algorithm for variable selection, to enhance the classification accuracy of Linear Discriminant Analysis (LDA) models.
The results indicated that the models built using the Animal-split approach (where samples from the same farm were included in both calibration and validation sets) outperformed those using the Farm-split approach (where samples were split by farm). Specifically, the validation balanced accuracy (BAC) for the Animal-split was 0.87 for FlameNIR and 0.89 for both IndiGo and DS2500, while the Farm-split yielded lower BAC values (0.74 to 0.85). The DS2500 device exhibited the most consistent performance across both approaches, particularly in sensitivity and specificity metrics. The findings underscore the importance of spectral device selection and data preprocessing in achieving reliable classification of beef samples based on farming practices, highlighting the potential for these methods in food quality assessment and traceability.