FR3047313A1 - Procede et appareil d'analyse spectroscopique, utilisant un traitement multivoies de donnees spectrales en infrarouge et en fluorescence. - Google Patents

Procede et appareil d'analyse spectroscopique, utilisant un traitement multivoies de donnees spectrales en infrarouge et en fluorescence. Download PDF

Info

Publication number
FR3047313A1
FR3047313A1 FR1650830A FR1650830A FR3047313A1 FR 3047313 A1 FR3047313 A1 FR 3047313A1 FR 1650830 A FR1650830 A FR 1650830A FR 1650830 A FR1650830 A FR 1650830A FR 3047313 A1 FR3047313 A1 FR 3047313A1
Authority
FR
France
Prior art keywords
sample
data
light source
cube
spectra
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
FR1650830A
Other languages
English (en)
Other versions
FR3047313B1 (fr
Inventor
Ines Birlouez-Aragon
Pierre Lacotte
Abdelhaq Acharid
Fatma Allouche
Jad Rizkallah
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Spectralys Innovation
Original Assignee
Spectralys Innovation
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to FR1650830A priority Critical patent/FR3047313B1/fr
Application filed by Spectralys Innovation filed Critical Spectralys Innovation
Priority to PCT/EP2017/052046 priority patent/WO2017134050A1/fr
Priority to JP2018539897A priority patent/JP2019503490A/ja
Priority to EP17701899.1A priority patent/EP3411691A1/fr
Priority to US16/073,750 priority patent/US20190369013A1/en
Priority to CA3013301A priority patent/CA3013301A1/fr
Priority to CN201780012576.1A priority patent/CN109313127A/zh
Publication of FR3047313A1 publication Critical patent/FR3047313A1/fr
Application granted granted Critical
Publication of FR3047313B1 publication Critical patent/FR3047313B1/fr
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1734—Sequential different kinds of measurements; Combining two or more methods
    • G01N2021/1736—Sequential different kinds of measurements; Combining two or more methods with two or more light sources
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N2021/6417—Spectrofluorimetric devices
    • G01N2021/6419—Excitation at two or more wavelengths
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N2021/6417—Spectrofluorimetric devices
    • G01N2021/6421—Measuring at two or more wavelengths
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

Procédé d'analyse d'au moins un échantillon, mettant en œuvre une méthode d'analyse de données spectroscopiques basée sur un modèle statistique multivoies, caractérisé en ce qu'il comporte : a) l'éclairage dudit ou de chaque échantillon à analyser par une première source de lumière et par une deuxième source de lumière, ladite au moins une deuxième source de lumière étant distincte de ladite première source de lumière ; b) l'acquisition de spectres de fluorescence dudit ou de chaque échantillon, lesdits spectres de fluorescence résultant de l'éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite première source de lumière ; c) l'acquisition de spectres de transmittance et/ou de réflectance dudit ou de chaque échantillon, lesdits spectres de transmittance et/ou de réflectance résultant de l'éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite deuxième source de lumière ; d) l'organisation desdits spectres de fluorescence acquis en un premier cube de données d'acquisition ; e) l'organisation desdits spectres de transmittance et/ou de réflectance acquis en un deuxième cube de données d'acquisition ; f) la fusion des données d'acquisition dudit premier cube et des données d'acquisition dudit deuxième cube en un troisième cube de données fusionnées ; g) la décomposition des données fusionnées dudit troisième cube par application dudit modèle statistique multivoies ; h) la détermination d'au moins un indicateur caractérisant ledit ou chaque échantillon, à partir des données issues de l'application dudit modèle statistique multivoies auxdites données fusionnées. Appareil pour la mise en œuvre d'un tel procédé.

Description

Procédé et appareil d’analyse spectroscopique, utilisant un traitement multivoies de données spectrales en infrarouge et en fluorescence.
La présente invention porte sur un procédé et un appareil d’analyse spectroscopique. L'invention concerne plus particulièrement une méthode d’analyse d’au moins un échantillon par application d’un traitement statistique multivoies à un ensemble de données spectrales provenant de techniques d’analyse spectroscopiques différentes. L'invention peut être appliquée en particulier, mais pas uniquement, à l'industrie agroalimentaire, à l’industrie pharmaceutique, ou encore à l'industrie environnementale. Dans l’industrie agroalimentaire, elle permet par exemple l’étude des propriétés technologiques, nutritionnelles et/ou toxicologiques d'un produit alimentaire au cours de sa préparation, ou encore des procédés agricoles, biologiques ou technologiques auxquels ledit produit est soumis. Plus généralement, l’invention peut être appliquée à la détermination de tout indicateur de qualité d’un échantillon, et/ou de tout paramètre caractérisant un procédé auquel ledit échantillon a été soumis.
Pour déterminer des paramètres indicatifs de la qualité d’un produit alimentaire, dits paramètres de qualité, il est connu des analyses spectroscopiques ayant recours aux méthodes de la chimiométrie. Dans ce contexte, les méthodes de spectroscopie d’absorption, en ce incluant la spectroscopie de transmittance et/ou de réflectance, sont à la base de nombreux appareils équipant les usines agroalimentaires et les sites de réception des matières premières agricoles. La spectroscopie d’absorption dans le domaine de l’infrarouge (IR) et/ou du proche infrarouge (NIR) permet, en particulier, d’évaluer des mesures du contenu de produits alimentaires en constituants de concentration élevée comme les protéines, la matière grasse, la teneur en eau ou encore en sucres totaux.
Classiquement, les méthodes connues et employées pour la spectroscopie d’absorption reposent sur des procédés d'analyse statistique multivariée de données spectroscopiques. L'analyse multivoies est l’extension naturelle de l’analyse multivariée lorsque les données sont multidimensionnelles comme dans le cas de la fluorescence (matrices d'excitation et émission), et se base alors sur l'utilisation de modèles statistiques multivoies tels que « PARAFAC » (« Parallel Factor», c’est à dire modèle à facteurs parallèles) et NPLS (« N-ways Partial Least Squares régression », c'est à dire régression par moindres carrés partiels à n-voies).
Cependant, de nombreuses procédures industrielles nécessitent aujourd’hui une connaissance précise de la matière première constituant ces échantillons, en particulier pour réaliser des analyses détaillées des propriétés technologiques, nutritionnelles et/ou toxicologiques d’un produit donné. Par exemple, il peut être requis de connaître divers paramètres comme le niveau de contamination de ces échantillons par des molécules chimiques indésirables (acrylamide, mycotoxines...), la structure des protéines qui conditionnent leur fonctionnalité (taux de dénaturation, taille des agrégats...), ou encore l’état de germination d’une graine (indice de chute de Hagberg du blé, potentiel de germination de l’orge en malterie,..). Pour être mesurés avec précision, ces paramètres nécessitent un traitement des données de spectroscopie sur un domaine du spectre électromagnétique aussi large que possible, incluant l’infrarouge, le visible, et l’ultraviolet. Or, les paramètres de qualité déterminés à l’aide de la seule spectroscopie d’absorption, généralement appliquée dans le domaine de l’infrarouge, fournissent des informations peu précises sur les échantillons analysés. Par exemple, ce type de spectroscopie ne permet pas de quantifier des molécules présentes à l’état de traces (<0.5 %), comme c’est le cas pour les mycotoxines ou l’acrylamide.
Une solution connue de l’état de l’art pour quantifier plus précisément la qualité des produits analysés est de recourir à une technologie de fluorescence. Un échantillon soumis à un rayonnement lumineux à une longueur d'onde déterminée, par exemple dans le domaine du visible (Vis) et/ou de l’ultra-violet (UV), émet en réponse un rayonnement d’émission en fonction des composants contenus dans cet échantillon. Sur base de la mesure de ce rayonnement d'émission, il est possible d'obtenir le spectre de fluorescence correspondant, en fonction des longueurs d’onde. La spectroscopie de fluorescence permet ainsi de caractériser des phénomènes tels que le changement de pH, le chauffage de matrices alimentaires comme c’est le cas pour les huiles végétales, ou encore l’analyse de contaminants ou la caractérisation de la croissance d'un végétal et la germination d’une graine. Les informations obtenues permettent également d’évaluer différents marqueurs de la qualité technologique du ou des échantillons analysés.
Malgré sa sensibilité, il est connu que la spectroscopie de fluorescence ne permet pas de déterminer avec précision les mêmes paramètres de qualité auxquels la spectroscopie d’absorption permet d’accéder. Notamment, la spectroscopie d’absorption renseigne sur les liaisons interatomiques alors que la fluorescence s’intéresse à la composition moléculaire. Par exemple, les sucres peuvent être caractérisés par la liaison intermoléculaire carbonyle, quantifiable en infrarouge, mais ils ne sont pas fluorescents, et donc non quantifiables par la fluorescence. Les protéines peuvent éventuellement être visibles par les deux technologies mais au travers de structures différentes: le groupement amide pour l’infrarouge et le cycle aromatique d’acides aminés, comme notamment le tryptophane en fluorescence. Il conviendrait donc logiquement d’utiliser conjointement les signaux de fluorescence et les signaux d’absorption émis à la surface d’un échantillon donné pour déterminer un plus grand nombre d’informations relatives à l’état physico-chimique d’un échantillon, en éclairant celui-ci par des faisceaux lumineux à des longueurs d'onde déterminées du spectre électromagnétique.
Cependant, le traitement conjoint de données issues de ces deux technologies, par exemple l’absorption dans les domaines IR et NIR et la fluorescence dans les domaines Vis et UV, reste aujourd’hui problématique car limité par l’efficacité des méthodes d’analyse actuelles. Typiquement, le traitement des données issues de deux technologies différentes s'effectue séparément. Les résultats obtenus des deux types de spectroscopie ne bénéficient donc pas des synergies et des complémentarités résultant de leur utilisation conjointe. De plus, la manipulation et la combinaison des données acquises par deux technologies de spectroscopie différentes sont soumises à de nombreuses contraintes techniques, limitant les performances des procédés d’analyse associés. L’obtention de variables réduites obtenues via l'application d’outils de décomposition multivariée pour chaque technologie résout une partie de cette complémentarité, mais ne permet pas d’extraire de manière précise et robuste l'ensemble des informations spectrales originales et non réduites. De plus, ces informations ne sont pas corrélées, puisqu’elles ne confèrent pas d’avantage de puissance aux traitements appliqués étant donnée la redondance apportée par les deux technologies Ces informations ne sont pas non plus complémentaires, puisqu’elles ne confèrent pas un enrichissement de l’information extraite. Finalement, ces approches ne permettent au mieux qu’une classification ou comparaison d'échantillons, alors que la quantification d'indicateurs est beaucoup plus intéressante et plus utile pour les professionnels. Ppour bénéficier des deux types de mesure, les producteurs, les industriels et les coopératives s'équipent généralement de deux types différents d'analyseurs, ce qui représente des coûts d’investissement, de personne! et de logistique potentiellement élevés.
Pour pallier ces difficultés ou limites d'exploitation des différentes technologies, l’invention vise à proposer un procédé d’analyse d’au moins un échantillon mettant en œuvre une méthode d’analyse de données spectroscopiques basée sur un modèle statistique multivoies, caractérisé en ce qu’il comporte : a) l’éclairage dudit ou de chaque échantillon à analyser par une première source de lumière et par une deuxième source de lumière, ladite au moins une deuxième source de lumière étant distincte de ladite première source de lumière ; b) l’acquisition de spectres de fluorescence dudit ou de chaque échantillon, lesdits spectres de fluorescence résultant de l’éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite première source de lumière ; c) l’acquisition de spectres de transmittance et/ou de réflectance dudit ou de chaque échantillon, îesdits spectres de transmittance et/ou de réflectance résultant de l’éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite deuxième source de lumière ; d) l’organisation desdits spectres de fluorescence acquis en un premier cube de données d’acquisition ; e) l’organisation desdiis spectres de transmittance et/ou de réflectance acquis en un deuxième cube de données d’acquisition ; f) la fusion des données d'acquisition dudit premier cube et des données d’acquisition dudit deuxième cube en un troisième cube de données fusionnées ; g) la décomposition des données fusionnées dudit troisième cube par application dudit modèle statistique multivoies ; h) la détermination d’au moins un indicateur caractérisant ledit ou chaque échantillon, à partir des données issues de l’application dudit modèle statistique multivoies auxdites données fusionnées.
Selon différentes caractéristiques supplémentaires qui pourront être prises ensemble ou de façon séparée : - ladite première source de lumière est une source de rayonnements lumineux à des longueurs d’onde d’éclairage respectives. - ladite deuxième source de lumière est une source continue. - Iesdits spectres de fluorescence sont des spectres acquis sur une plage spectrale comprise entre 250 nm et 800 nm, - Iesdits spectres de transmittance et/ou de réflectance sont des spectres acquis sur une plage spectrale comprise entre 400 nm et 2500 nm, et de préférence sur une plage spectrale comprise entre 400 nm et 1100 nm. - le nombre de rayonnements lumineux émis par la première source de lumière est compris entre un et huit, et de préférence entre deux et cinq. - les spectres de fluorescence sont des spectres de fluorescence acquis en mode frontal. - ladite étape d) comporte également une étape préalable de normalisation desdits spectres de fluorescence et/ou desdits spectres de transmittance et/ou de réflectance. - ledit modèle statistique multivoies mis en oeuvre est un modèle de type Tucker. - ladite détermination d’un indicateur caractérisant ledit oü chaque échantillon est effectuée par application d’un modèle de calibration reliant les données de décomposition audit indicateur. L’invention vise en outre à proposer un appareil d’analyse d'au moins un échantillon pour la mise en œuvre d’un procédé selon l’invention, caractérisé en ce qu’il comprend : des moyens d’éclairage dudit ou de chaque échantillon à analyser, lesdits moyens d’éclairage comprenant une première source de lumière et au moins une deuxième source de lumière, ladite au moins une deuxième source de lumière étant distincte de ladite première source de lumière ; - un premier moyen d’acquisition de spectres de fluorescence dudit ou de chaque échantillon, lesdits spectres de fluorescence résultant de l’éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite première source de lumière ; - un deuxième moyen d’acquisition de spectres de transmittance et/ou de réflectance dudit ou de chaque échantillon, lesdits spectres de transmittance et/ou de réflectance résultant de l’éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite deuxième source de lumière ; et - un ou plusieurs processeurs configurés pour mettre en œuvre au moins les étapes d) à h). D’autres caractéristiques, détails et avantages de l'invention ressortiront à la lecture de la description faite en référence aux dessins annexés donnés à titre d’exempie et qui représentent, respectivement : - la figure 1, un schéma de principe d'un appareil d'analyse selon un mode de réalisation de l'invention ; - la figure 2, un schéma décrivant l'organisation des données spectrales en cubes de données d’acquisition ; - les figures 3, 4 et 5, des schémas décrivant l’organisation et la fusion des données d'acquisition en au moins un cube de données fusionnées selon différents modes de réalisation.
Une première étape a) de procédé selon l’invention comporte l'éclairage d’un échantillon ou de plusieurs échantillons par une pluralité de sources de lumière. La figure 1 montre un schéma simplifié d'un appareil A pour la mise en oeuvre d'un procédé selon l’invention. Tel que représenté, un échantillon E est disposé sur un support H. Ledit échantillon peut être un solide, une poudre, un liquide contenu dans un récipient transparent, etc. Le support H peut être transparent ou partiellement transparent aux rayonnements lumineux. L’appareil A comprend une première source de lumière S1 disposée d’un côté dudit support H, et configurée pour éclairer E. Avantageusement, ladite première source de lumière est une source de rayonnements lumineux d’excitation à des longueurs d’onde d’éclairage respectives. De préférence, chacune desdites sources lumineuses émet un faisceau de rayonnement monochromatique à une longueur d'onde différente. Selon l’invention, l’éclairement de E par la première source de lumière permet de générer un spectre de fluorescence. La spectroscopie de fluorescence consiste à envoyer en direction d’un échantillon un rayonnement lumineux à une longueur d'onde déterminée. Ce rayonnement lumineux présente typiquement au moins une longueur d'onde dans le domaine du visible (Vis) et/ou de Pultra-violet (UV) pour provoquer une excitation des composants contenus dans cet échantillon. Les longueurs d’onde caractérisant lesdits rayonnements lumineux s’étendent sur une plage spectrale typiquement comprise entre 250 nm et 800 nm. Pour chaque rayonnement lumineux d’excitation correspondant à une longueur d’onde ÀexCitation, l’échantillon considéré émet un spectre complet, dit spectre de fluorescence, comprenant une pluralité de rayonnements d’émission correspondants à plusieurs longueurs d’onde Âémission. Ces rayonnements comprennent généralement deux contributions : l'une, à la même longueur d'onde que le rayonnement d'éclairage, due à la diffusion élastique ; l'autre, poiychromatique, due à ia fluorescence, les rayonnements d’émission correspondants étant caractérisés par une longueur d’onde Àémission supérieure à Aexdtation· Les spectres de fluorescence peuvent également inclure des spectres d'auto-fluorescence ou, dans certains cas, des spectres de fluorescence induits par un marqueur ajouté à l'échantillon.
De manière non limitative, ladite première source de lumière peut comprendre une seule source de rayonnement monochromatique, un nombre de sources de rayonnements monochromatiques supérieur à deux, ou encore une ou plusieurs sources de lumière poiychromatique générant des rayonnements d’éclairage de ladite première source de lumière. Avantageusement, la première source de lumière comprend une ou plusieurs diodes électroluminescentes. S1 peut ainsi inclure également une ou plusieurs sources lasers si des intensités plus importantes sont requises. Comme illustré sur la figure 1, S1 peut comprendre une autre source lumineuse S12, voire plus généralement plusieurs autres sources lumineuses distinctes de S1, De préférence, mais de manière non restrictive, lesdites longueurs d’onde des faisceaux lumineux sont comprises entre 250 nm et 800 nm. De manière générale, les rayonnements lumineux d'excitation peuvent présenter des longueurs d'onde choisies de manière à couvrir le spectre UV-visible le plus largement possible. En fonction du nombre de sources de rayonnement, ces rayonnements d'excitation peuvent échantillonner grossièrement (plusieurs dizaines de longueurs d’onde) et/ou finement (plusieurs centaines de longueurs d’onde) une plage spectrale couvrant les domaines de l’infrarouge, du visible et de l’ultraviolet. Avantageusement, le nombre de rayonnements lumineux émis par la première source de lumière est compris entre un et huit, et de préférence compris entre deux et cinq.
Avantageusement, les spectres de fluorescence sont des spectres de fluorescence acquis en mode frontal. L’utilisation spécifique d’une fluorescence en mode frontal a l'avantage de pouvoir appliquer le procédé en temps réel. De plus, l’acquisition des spectres de fluorescence frontale émis par ledit ou de chaque échantillon ne génère pas d’erreur analytique liée à la préparation de l’échantillon. Les résultats obtenus par le procédé selon l’invention sont donc plus précis, et déterminés plus rapidement. L’appareil A comporte également une deuxième source de lumière S2 configurée pour éclairer l’échantillon E. Cet éclairement de E par la source S2 peut subvenir avant ou après l’éclairement de E par la source S1 tel que détaillé précédemment. Avantageusement, S2 est une source de lumière continue, par exemple une source polychromatique comme une lampe tungstène, halogène ou halogène-tungstène. La source S2 est configurée pour émettre un rayonnement continu dont les longueurs d’onde peuvent se répartir sur une large plage spectrale du spectre électromagnétique. Avantageusement, S1 est configurée pour éclairer l'échantillon sur une plage spectrale comprise entre 400 et 2500 nm, et de préférence entre 400 nm et 1100 nm. Cette plage spectrale peut comprendre le domaine du visible, de l’infrarouge et/ou du proche infrarouge. Un module d’illumination Ml peut également être adjoint à la source S2 pour diriger les rayonnements émis par S2 vers l’échantillon E. Ces rayonnements sont absorbés par l’échantillon, avant d’être détectés par les moyens d’acquisition MA, comme détaillé ci-après.
Selon l’invention, l’éclairement de E par la source S2 permet de générer un spectre d’absorption. Ces signaux d’absorption peuvent, en particulier, inclure des signaux de transmittance et/ou de réflectance. La spectroscopie d’absorption repose sur le principe selon lequel tout matériau soumis à un rayonnement incident, par exemple un rayonnement infrarouge, peut soit réfléchir une partie de ces rayonnements, soit absorber une partie de ces rayonnements, soit transmettre une partie de ces rayonnements. Plus particulièrement, la spectroscopie d’absorption est basée sur la propriété des liaisons atomiques à absorber de l’énergie lumineuse à une longueur d'onde d'intérêt.
On remarquera que la deuxième source de lumière peut être disposée du même côté que la première source de lumière par rapport à l’échantillon, ou selon toute autre direction. Avantageusement, la première source de lumière et la deuxième source de lumière sont disposées selon deux côtés différents de l’échantillon E et/ou du support H. Finalement, l'utilisation d’un appareil unique, comprenant par exemple une même chambre de mesure et un seul spectromètre configuré pour analyser un ensemble de spectres acquis dans les domaines ultraviolet, visible, infrarouge, et/ou proche infrarouge, permet de faciliter la cohérence des données obtenues sur un même échantillon.
Une deuxième étape b) et une troisième étape c) de procédé selon l’invention comporte l’acquisition de spectres de fluorescence et d’absorption dudit ou de chaque échantillon.
Selon l’invention, l’ensemble des spectres de fluorescence et des spectres d’absorption issus de l’échantillon sont captés par les moyens d’acquisition MA. Lesdits moyens MA détectent et mesurent tout rayonnement lumineux émis, réfléchi ou transmis par l’échantillon, et résultant d'un éclairage dudit échantillon. Les moyens MA comprennent par exemple une ou plusieurs stations de mesure, distinctes physiquement ou non, et permettant d’acquérir les spectres de fluorescence et les spectres d’absorption en provenance de l’échantillon. Avantageusement, les moyens MA sont colocalisés en une station de mesure unique, et disposés adéquatement de sorte à recevoir de manière optimale tout type de rayonnement provenant de l’échantillon E. Ceci facilite l'analyse du même échantillon du matériau, rendant le procédé plus efficace, réduisant le temps nécessaire à l'analyse, et permettant une meilleure corrélation des données spectroscopiques relatives au matériau.
Les signaux de fluorescence et les signaux d’absorption émis par E sont ensuite transportés par l’intermédiaire de moyens de communication MC à un ou plusieurs processeurs P. Lesdits moyens de communication MC peuvent comporter une connexion filaire par exemple de type fibre optique, Ethernet, CPL, voire une connexion sans fil par exemple de type WiFi ou Bluetooth, ou tout autre type de connexion pouvant varier selon le matériel préféré pour la mise en œuvre de l’invention. Le ou les processeurs P peuvent quant à eux comprendre un dispositif de traitement du signal, un spectromètre configuré pour décomposer le rayonnement lumineux émis en spectre, ou tout autre équipement de traitement adapté au procédé. Plus généralement, P inclut des moyens de traitement des données (par exemple, un ordinateur programmé d’une manière opportune) permettant d’extraire une information chimïoméîrique à partir de spectres acquis par l’appareil A. Les signaux sont, typiquement, analysés par des méthodes chimiométriques qui permettent d'extraire l’information corrélée aux paramètres de qualité que l’on cherche à mesurer. Ces corrélations sont présentes dans de nombreux produits alimentaires et apparaissent du fait de l’évolution de leur contenu. Par exemple, la fluorescence intrinsèque des constituants naturels d’un aliment (vitamines, protéines et autres constituants naturels ou ajoutés intentionnellement ou non), ainsi que leur réflectance, peuvent évoluer au cours du temps, alors que dans le même temps, de nouveaux signaux peuvent apparaître du fait de la formation de nouvelles molécules. Lesdites corrélations jouent donc un rôle important dans le cadre de leur caractérisation par des analyses spectroscopiques.
Une quatrième étape d) et une cinquième étape e) de procédé selon l’invention comporte l’organisation des spectres de fluorescence acquis et des spectres d’absorption acquis en un premier cube et en un deuxième cube de données d’acquisition, respectivement.
Une fois que les spectres de fluorescence, de transmittance et/ou de réflectance sont acquis pour le ou les échantillons analysés, les données recueillies sont organisées en cubes de données. Par définition, lesdits cubes de données comprennent plusieurs matrices dites « matrices excitation-émission » (MEE), lesdites matrices étant construites pour contenir l’ensemble des spectres acquis sur un échantillon. En particulier, une MEE peut être un tableau à deux votes, ledit tableau pouvant être représenté par un spectre en trois dimensions sous la forme « Excitation x Emission x Intensité ». Pour le cas particulier d’une acquisition d’un ou de plusieurs spectres de fluorescence, un cube de données d’acquisition comprendra typiquement trois dimensions, « Excitation x Emission x Echantillon ».
Les modes d’organisation des données spectrales en cubes de données selon l’invention sont illustrés dans la figure 2. L’organisation des données acquises en cubes de données permettra, dans les étapes suivantes du procédé, d'appliquer des méthodes d’analyse multivoie beaucoup plus puissantes que les outils de décomposition multivariée.
Lors de l’acquisition des données de fluorescence, les mesures de fluorescence sont organisées dans un cube de données à trois dimensions « I x J x K », dit premier cube de données d’acquisition C1, ou encore « cube de fluorescence ». Chacune desdites trois dimensions correspond à un mode donné. Le mode I de C1, comportant un nombre « i » d’entrées, est associé au nombre d’échantillons éclairés par la deuxième source de lumière au cours de l’étape d’acquisition de spectres de fluorescence dudit ou de chaque échantillon. Le mode J de C1, comportant un nombre « j » d’entrées, est associé au nombre « j » de longueurs d’onde d’émission, chacune de ces longueurs d’onde correspondant à l’une des composantes des rayonnements émis par ledit échantillon ou lesdits échantillons après éclairage de celui-ci ou de ceux-ci par la première source de lumière. Le mode K de C1, comportant un nombre « k » d’entrées, est associé au nombre « k » de longueurs d’onde d’excitation, chacune de ces longueurs d’onde correspondant à un rayonnement lumineux utilisé pour l’éclairage de l’échantillon ou des échantillons. Les données de fluorescence obtenues sont ainsi organisées en un cube à trois dimensions, ces dimensions correspondant aux trois modes « Excitations x Emissions x Echantillons ».
Lors de l’acquisition des données d’absorption, les mesures d'absorption sont organisées dans un cube de données à deux dimensions « I x L », dit deuxième cube de données d’acquisition C2, ou encore « cube d’absorption ». Chacune desdites deux dimensions correspond à un mode donné. Le mode I de C2, comportant un nombre « î » d’entrées, est associé au nombre d’échantillons éclairés par la première source de lumière au cours de l’étape d’acquisition de spectres de transmittance et/ou de réflectance dudit ou de chaque échantillon, Le mode L de C2, comportant un nombre « I » d’entrées, est associé au nombre « ! » de longueurs d’onde d’absorption, chacune de ces longueurs d’onde correspondant à l'une des composantes des rayonnements émis par ledit échantillon ou lesdits échantillons après éclairage de celui-ci ou de ceux-ci par la deuxième source de lumière. Les données de fluorescence obtenues sont ainsi organisées en un cube à deux dimensions « I x L », correspondant aux modes « Emissions x Echantillons ».
Une sixième étape f) de procédé selon l’invention comporte la fusion des données du premier cube et les données du deuxième cube au sein d’un troisième cube dit de données fusionnées.
Trois modes d’organisation et de fusion des données sont ainsi proposés. Tel que décrit, le premier mode d’organisation des données présente l’avantage de respecter la physique des données acquises. Un effet technique important du premier et du troisième mode d’organisation des données décrits ci-dessous est que ceux-ci préservent la linéarité des données spectrales acquises séparément par chacune des deux techniques de spectroscopie. Ces modes de réalisation permettent également de préserver les corrélations entre les données d’absorption et les données de fluorescence lors de la fusion du premier cube de données et du deuxième cube de données. Ces corrélations sont importantes car elles peuvent inclure des informations reliant les spectres de fluorescence dans l’uitraviolet-visible et les spectres de transmittance dans le visible-proche infrarouge pour un échantillon donné. Ces informations sont par exemple : des concentrations en analytes, la structure physico-chimique, ou encore les fonctionnalités et la sensorialité du produit. Ces informations peuvent être particulièrement utiles pour définir des critères qualité propres à l'échantillon analysé, et sont difficilement accessibles via l’emploi de la seule spectroscopie d’absorption ou de la seule spectroscopie de fluorescence.
Tel qu’illustré à la figure 3, un mode de réalisation selon l’invention consiste à inscrire le premier cube de données d’acquisition et le deuxième cube de données d’acquisition dans un même troisième cube de données C31, dit de données fusionnées.
Au cours de l’étape 3.1, le cube C2 est transformé en un cube à trois dimensions I x L x L, de manière à ce que le cube I x L constitue un plan diagonal d’un cube I x L x L suivant les modes L x L, dont la diagonale a une dimension égale à la diagonale formée par la diffusion élastique de la keme source du cube de fluorescence. Au cours de l’étape 3.2, ce cube I x L x L est concaténé avec le cube C1 de dimensions IxJxK pour former le cube C31. Les autres entrées du cube C31 sont remplies avec des valeurs toutes égales à zéro. Cette concaténation est réalisée de façon à aligner le mode L avec les modes J et K pour constituer ledit cube C3 de données fusionnées. Le cube C31 est, ainsi, un cube de dimensions I x (K+L) x (K+L) dont la partie supérieure gauche contient les données de fluorescence sous la forme d’un sous-cube à trois dimensions, et dont une partie du plan diagonal contient les données d’absorption sous la forme d’un sous-plan diagonal suivant les modes (K+L) x (K+L).
Cette organisation des données a pour avantage de respecter les modes communs initiaux des cubes C1 et C2, puisque le mode L de C2 est aligné avec les modes J et K de C1. Puisque ces modes correspondent respectivement aux longueurs d’onde d’émission et aux longueurs d’onde d’excitation, la corrélation entre les données acquises par la spectroscopie de fluorescence et les données acquises par la spectroscopie d’absorption est préservée.
Suivant les figures 4 et 5, deux autres modes de réalisation selon l’invention consistent à répliquer le cube C2. Suivant l’étape 4.1 ou l’étape 5.1, le cube C2 est répliqué un nombre « k » de fois pour former un cube intermédiaire à trois dimensions I x L x K. Ledit cube intermédiaire I x L x K comprend ainsi deux types d’entrées communes avec le cube C1 de dimensions l x J x K. Ces deux cubes à trois dimensions possédant deux modes communs, il est possible de les combiner de plusieurs manières de sorte à préserver le mode I correspondant au nombre « i » d’échantillons analysés dans un seul et même cube à trois dimensions de données fusionnées.
Comme illustré sur la figure 4, une première possibilité consiste à procéder selon les étapes 4.2 et 4.3, pour juxtaposer le cube intermédiaire I x L x K avec le cube C1. En alignant les modes J et L de ces deux cubes à trois dimensions, on obtient un cube C32 à trois dimensions I x K x (J+L), contenant l’ensemble de données de fluorescence et d’absorption.
Comme illustré sur la figure 5, une autre possibilité consiste à procéder selon les étapes 5.2 et 5.3, pour juxtaposer le cube intermédiaire I x L x K avec le cube C1. En alignant ces deux cubes selon le mode K commun, on obtient un cube C3 à trois dimensions ! x L x J, contenant l’ensemble de données de fluorescence et d’absorption. Ceci peut se faire, par exemple, en effectuant un nombre « k » de produits matriciels.
On comprendra que d'autres modes de fusion peuvent également être utilisés pour former un cube de données fusionnées à trois dimensions et se voir caractérisés par des avantages techniques similaires.
On remarquera que selon l'invention, l'organisation des données spectroscopiques acquises peut être précédée par différentes sous-étapes de prétraitement. Avantageusement, les spectres de fluorescence peuvent, par exemple, être prétraités pour tenir compte des contributions dues à la diffusion élastique, aussi dite diffusion Rayleigh. Ces contributions peuvent être calculées au moyen de modèles linéaires généralisés, puis soustraites du ou des spectres acquis. La soustraction de la diffusion Rayleigh est généralement nécessaire dans la plupart des procédés d'analyse, et peut être appliqué dans le cadre du procédé de la présente invention. Cependant, la soustraction de la diffusion n’est pas nécessairement souhaitable dans la présente invention. De plus, les contributions de la diffusion élastique peuvent être éliminées au moyen d’un traitement mathématique, afin d'exploiter les spectres de fluorescence « pure ». Alternativement, les intensités de diffusion élastique peuvent être adjointes pour une utilisation ultérieure, par exemple lors du calcul d’indicateurs caractérisant l’échantillon. Les intensités initiales de diffusion élastique correspondant aux différentes longueurs d'onde d’excitation peuvent en effet être réutilisées en combinaison avec les informations issues des étapes suivantes du procédé.
Avantageusement, les spectres acquis peuvent être prétraités en effectuant une normalisation, ou encore en effectuant une correction multiplicative de dispersion MSC (Multiplicative Scatter Correction), ou encore SNV (Standard Normal Variate). Avantageusement, les prétraitements décrits peuvent également être appliqués aux cubes de données selon l’invention.
Une septième étape g) de procédé selon l’invention comporte la décomposition des données fusionnées du troisième cube par application d’un modèle statistique multivoies. La décomposition des données peut procéder suivant différents types de traitements chimiométriques. Selon la taille et les dimensions des cubes de données à décomposer, on distinguera ainsi les méthodes multivariées des méthodes multivoies. Les méthodes multivariées comme PLS ou encore PCA sont, typiquement, des méthodes de réduction des données adaptées pour des données organisées suivant des cubes à deux dimensions. Elles impliquent classiquement un dépliement préalable du cube initial selon une des dimensions, une concaténation des données obtenues, puis l’analyse proprement dite. Les méthodes multivoies comme Tucker, NPLS, ou encore mPCA, sont des méthodes de réduction de données adaptées pour des données organisées en cubes possédant plus de deux dimensions. Elles sont donc intrinsèquement multidimensionnelles et peuvent être utilisées directement sur les cubes de données résultant du procédé d’analyse suivant les étapes précédemment décrites.
Outre la plus grande efficacité logicielle des procédés d’analyse permise par l’application d’un modèle statistique multivoies à un seul cube de données fusionnées plutôt qu’à deux cubes de données, la possibilité de réaliser une décomposition desdites données tout en préservant les corrélations intrinsèques permet également d’en déduire des informations plus précises sur le ou les échantillons analysés. L'invention procure ainsi un procédé d'analyse plus rapide et plus performant. De même, un appareil d’analyse mettant en œuvre un tel procédé nécessite un équipement plus simple, moins coûteux, et par conséquent mieux adapté aux exigences industrielles que les technologies actuelles. L’invention permet également de faciliter la rapidité et la rationalisation des prises de décision lors de la production des produits alimentaires.
De manière innovante, l’invention applique une nouvelle technique de décomposition multivoies de l’ensemble des données brutes fusionnées. Avantageusement, un traitement multivoies appliqué pour effectuer la décomposition du cube de données fusionnées à trois dimensions est un modèle de type Tucker3. Le modèle Tucker3 permet de décomposer un tenseur X « I x J x K » en trois cubes à deux dimensions, et en deux cubes de données. En particulier, chaque élément xy,k est décomposé de la façon suivante :
avec - aiiP, bj,q, ck,r les éléments des matrices respectives A « I x P », B « J x Q » et C « K x R » - ey,k est un élément du cube de résidus E « I x J x K » - gPiqir est un élément du cube d’interactions G « P x Q x R », aussi appelé « core-array »
Dans tous les cas, l’une des matrices A, B ou C est une matrice dite de « scores » ou de données réduites, tandis que les autres sont appelées matrices de « loadings ». Si par exemple le mode I est celui des échantillons, la matrice A « I x P » sera alors la matrice de « scores », ladite matrice de « scores » permettant de décrire chaque échantillon « i » par un nombre « p » de « scores » représentatifs. Lesdits « scores » sont utilisés dans la suite de l’invention. Les matrices de loadings B et C représentent quant à elles respectivement les contributions des modes J et K, tandis que le cube G représente les interactions entre les 3 modes.
De préférence, mais de manière non limitative, l’invention peut également appliquer une décomposition multivoies de type Tucker2 ou PARAFAC, ces deux modèles constituant des cas particuliers de Tucker3.
Une huitième étape h) de procédé selon l’invention comporte la détermination d’au moins un indicateur caractérisant ledit ou chaque échantillon, à partir des données issues de l’application dudit modèle statistique multivoies auxdites données fusionnées. La matrice de « scores » issus de l’étape g) selon l’invention permet en effet de caractériser l’échantillon analysé ou les échantillons analysés par un ensemble de variables. Lesdites variables peuvent être à leur tour reliées audit au moins un indicateur via un modèle de régression. L’application dudit modèle de régression sur les « scores » obtenus sur un ou plusieurs nouveaux échantillons permet alors d’obtenir la valeur dudit indicateur sur ces échantillons.
Quelques résultats techniques de l’invention seront décrits ci-dessous à l’aide de deux exemples d’application. Ces deux exemples démontrent l’amélioration des performances de prédiction des caractéristiques d’un échantillon à l’aide d’un procédé selon l’invention vis-à-vis des performances obtenues sans mise en œuvre dudit procédé.
Le premier exemple concerne le résultat obtenu par une combinaison multilinéaire des scores obtenus via l’analyse combinée des spectres de fluorescences et des spectres de fluorescence pour obtenir la prédiction d’un taux de protéines dans des échantillons de blé, par exemple du gluten.
Pour ce premier exemple, on considère l’analyse de 20 échantillons de blé. Chaque échantillon est éclairé par 4 diodes électroluminescentes, ou LEDs, émettant des rayonnements lumineux respectifs à 280 nm, 340 nm, 385 nm et 450 nm. L’éclairage par ces rayonnements lumineux conduit à l’acquisition d’un spectre complet d’émission sur une plage du spectre électromagnétique s’étendant de 250 nm à 800 nm, et comprenant les spectres de fluorescence associés aux 20 échantillons de blé. Chaque échantillon est ensuite éclairé par une lampe halogène-tungstène émettant un rayonnement continu s’étalant sur une plage spectrale allant de 800 nm à 2500 nm. L'éclairage par ce rayonnement conduit à l’acquisition d’un spectre complet d’émission sur la même plage du spectre électromagnétique, s’étendant de 250 nm à 800 nm et comprenant le ou les spectres de transmittance et/ou de réflectance des 20 échantillons de bié. Un traitement des spectres acquis est ensuite opéré par l’analyseur de signal, notamment via un ou plusieurs processeurs. Notamment, les spectres de fluorescence peuvent être nettoyés de la diffusion élastique, puis prétraités via une normalisation. Cette normalisation est par exemple de type SNV. On comprendra que le prétraitement des spectres peut s’effectuer à tout moment précédant l’organisation des spectres de fluorescence et des spectres d’absorption en cubes de données, selon la meilleure manière de mettre en oeuvre le procédé. Après ce prétraitement les spectres de fluorescence sont organisés en un cube CF1 à trois dimensions, dit premier cube de données d’acquisition, le nombre d’entrées associé auxdites dimensions correspondant respectivement au nombre d’échantillons, au nombre de rayonnements excitations et au nombre de rayonnements d’émissions acquis, soit un cube de modes « Echantillons x Excitations x Emissions ». Pour l’exemple considéré, le cube CF1 comprend 20 x 4 x 550, soit 44000 entrées. Les spectres d’absorption, éventuellement prétraités à l’aide d’une normalisation SNV (Standard normal variate), sont organisés en un cube CAO à deux dimensions, dit deuxième cube de données d’acquisition, le nombre d’entrées associés auxdites dimensions correspondant respectivement au nombre d’échantillons et au nombre d’émissions, soit un cube de modes « Echantillons x Emissions ». Pour l’exemple considéré, ledit cube CAO comprend 20 x 1700 entrées, soit 34000 entrées. Le cube CAO est ensuite dupliqué 4 fois pour former un cube CA1 de taille 20 x 4 x 1700, c’est-à-dire constitué de 136000 entrées.
Pour la présente application, lesdits cubes CF1et CA1 sont ensuite appariés selon le mode des émissions pour obtenir un cube CFA1 de modes Echantillons x Excitations x Emissions, de taille 20 x 4 x 2250. Le cube CFA1 est ensuite décomposé par application d’un algorithme, par exemple de type Tucker 2, pour obtenir une matrice de scores de taille 20 x 15, c’est-à-dire aboutissant à l’obtention de 15 facteurs de scores pour chacun des 20 échantillons. La matrice de scores est ensuite corrélée à un vecteur de taille 20 x 1, ledit vecteur contenant les résultats d’analyse des taux de gluten {en pourcents) mesurés dans chacun des échantillons, obtenus via une régression linéaire multiple. L’application de ces modes particuliers d’organisation des permet d'extraire un plus grand nombre d'informations. Ces informations comprennent non seulement la qualité de la calibration sur un paramètre de qualité du blé par infrarouge seul et la qualité de la calibration obtenue par la fluorescence seule, mais également la calibration obtenue par la conjonction des scores obtenus pour les deux technologies séparément, ainsi que la calibration obtenue en utilisant la structure tridimensionnelle explicité ci-dessus. Les performances statistiques de cette régression sont fournies dans le tableau ci-dessous.
Le tableau 1 ci-dessous montre un tableau caractérisant les performances issues d’un procédé typique selon l’état de l’art actuel, au travers de la valeur du R2 et de l'erreur de calibration (RMSEC et RMSECV).
Tableau 1
Afin de caractériser l’amélioration technique apportée par ce procédé, des régressions similaires ont été obtenues par les méthodes utilisées classiquement dans la littérature. En particulier : une décomposition du tableau deux voies prétraité de données d’absorption par ACP, fournissant une matrice MA1 de 20 x 5 scores, suivie d’une régression multilinéaire est ensuite effectuée. Egalement : une décomposition du cube CF1 prétraité de données de fluorescence par PARAFAC, fournissant une matrice MF1 de 20 x 6 scores, suivie d’une régression multilinéaire est ensuite effectuée. Enfin, une concaténation des deux matrices MA1 et MF1 pour former une matrice MFA1 de taille 20 x 11, suivie d’une régression multilinéaire. Les performances des régressions ainsi obtenues sont comparées avec l’approche faisant l’objet de l’invention pour obtenir la prédiction d’un taux de protéines dans chacun des échantillons de blé. La comparaison de ces performances est présentée dans le tableau 2 ci-dessous, démontrant une nette amélioration des performances de prédiction. Les valeurs respectives de R2, RMSEC, RZCV et RMSECB obtenues par application du procédé selon l’invention pour analyser les données spectroscopiques issues de l’acquisition des spectres de fluorescence et des spectres de transmittance des 20 échantillons considérés sont toutes supérieures à celles obtenues par application des méthodes traditionnelles pour analyser les données issues de l’acquisition seule des spectres de fluorescence ou l’acquisition seul des spectres de transmittance.
Tableau 2
Le deuxième exemple d’application, proche mais distinct du premier exemple décrit ci-dessus, concerne le résultat obtenu par une combinaison multilinéaire des scores obtenus via l’analyse combinée des spectres de fluorescences et des spectres de fluorescence pour obtenir la prédiction d'un taux de protéines dans des échantillons de blé.
Chaque échantillon est successivement éclairé par 4 LEDs émettant des rayonnements lumineux respectifs à 280 nm, 340 nm, 385 nm et 450 nm. Pour chacun desdits rayonnements lumineux, un spectre complet d’émission a été acquis sur la plage 250 nm-800 nm. Chaque échantillon est ensuite éclairé par une lampe halogène-tungstène sur une plage spectrale allant de 800 nm à 2500 nm, et le spectre d’absorption correspondant est acquis sur la même plage. Les spectres de fluorescence sont nettoyés de la diffusion élastique, puis prétraités via une normalisation SNV (Standard normal variate), et organisés en un premier cube de données cube CF2 de modes « Echantillons x Excitations x
Emissions », et de taille 20 x 4 x 550. Les spectres d’absorption sont quant à eux prétraités via une normalisation SNV (Standard normal variate), et organisés en un deuxième cube de données de modes « Echantillons x Emissions» de taille 20 x 1700. Ledit tableau de données d’absorption est dupliqué 4 fois et les 4 tableaux ainsi obtenus sont appariés pour former un nouveau cube CA2 de taille 20 x 4 x 1700. Un produit matriciel selon le mode des Excitations est ensuite effectué entre les cubes CF2 et CA2, pour obtenir un cube CFA2 de modes « Echantillons x Emissions x Emissions », de taille 20 x 550 x 1700. Puis, ce cube est décomposé par application d’un algorithme PARAFAC, permettant l’obtention d’une matrice de scores « Echantillons x Facteurs », de taille 20 x 15. La matrice des scores est ensuite corrélée à un vecteur de taille 20 x 1 contenant les résultats d’analyse des taux de protéines {%) mesurés dans chacun des échantillons, via une régression linéaire multiple. Les performances statistiques de cette régression sont fournies dans le tableau 3 ci-dessous. Le tableau ci-dessous montre un tableau caractérisant les performances issues d’un procédé typique selon l’état de l’art actuel, au travers de la valeur du R2 et de l'erreur de calibration (RMSEC et RMSECV).
Tableau 3
Afin de caractériser l’amélioration technique apportée par ce procédé, des régressions similaires ont été obtenues par les méthodes utilisées classiquement dans l'état de l’art actuel la littérature : une décomposition du tableau deux voies prétraité de données d’absorption par ACP, fournissant une matrice MA1 de 20 x 5 scores, suivie d’une régression multilinéaire. Egalement ; une décomposition du cube CF1 prétraité de données de fluorescence par PARAFAC, fournissant une matrice MF1 de 20 x 6 scores. Une régression multilinéaire est ensuite effectuée. Finalement : une simple concaténation des deux matrices MA1 et MF1 pour former une matrice MFA1 de taille 20 x 11, suivie d’une régression multilinéaire. Les performances des régressions ainsi obtenues sont comparées avec l’approche faisant l’objet de l’invention, démontrant ainsi une amélioration des performances de prédiction, comme indiqué dans le Tableau 4 ci-dessous.
Tableau 4
En résumé, la présente invention concerne un procédé d’analyse permettant d’optimiser le traitement conjoint des données spectrales issues de deux technologies spectroscopiques différentes pour l’analyse d’un ou de plusieurs échantillons donnés. En particulier, le procédé d’analyse décrit, et ses différents modes de réalisation, visent à concilier les contraintes résultant de l’emploi simultané de ces deux technologies, notamment la spectroscopie d’absorption et la spectroscopie de fluorescence. L’invention propose ainsi une méthode d’analyse innovante pour l’obtention d’indicateurs plus précis caractérisant la qualité d’un ou de plusieurs échantillons. La présente invention propose également un appareil d’analyse pour la mise en oeuvre d’un tel procédé d’analyse.
Naturellement, pour satisfaire des besoins spécifiques, une personne compétente dans le domaine de l’invention pourra appliquer des modifications dans la description précédente.
Bien que la présente invention ait été décrite ci-dessus en référence à des modes de réalisation spécifiques, la présente invention n'est pas limitée aux modes de réalisation spécifiques, et les modifications qui se trouvent dans le champ d'application de la présente invention seront évidentes pour une personne versée dans l'art.

Claims (11)

  1. REVENDICATIONS
    1. Procédé d’analyse d’au moins un échantillon, mettant en œuvre une méthode d’analyse de données spectroscopiques basée sur un modèle statistique multivoies, caractérisé en ce qu’il comporte : - a) l’éclairage dudit ou de chaque échantillon à analyser par une première source de lumière et par une deuxième source de lumière, ladite au moins une deuxième source de lumière étant distincte de ladite première source de lumière ; - b) l’acquisition de spectres de fluorescence dudit ou de chaque échantillon, lesdits spectres de fluorescence résultant de l’éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite première source de lumière ; - c) l’acquisition de spectres de transmittance et/ou de réflectance dudit ou de chaque échantillon, lesdits spectres de transmittance et/ou de réflectance résultant de l’éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite deuxième source de lumière ; - d) l’organisation desdits spectres de fluorescence acquis en un premier cube de données d’acquisition ; - e) l’organisation desdits spectres de transmittance et/ou de réflectance acquis en un deuxième cube de données d’acquisition ; - f) la fusion des données d’acquisition dudit premier cube et des données d’acquisition dudit deuxième cube en un troisième cube de données fusionnées ; - g) la décomposition desdites données fusionnées dudit troisième cube par application dudit modèle statistique multivoies ; - h) la détermination d’au moins un indicateur caractérisant ledit ou chaque échantillon, à partir des données issues de l’application dudit modèle statistique multivoies auxdites données fusionnées.
  2. 2. Procédé selon la revendication 1, dans lequel ladite première source de lumière est une source de rayonnements lumineux à des longueurs d’onde d’éclairage respectives.
  3. 3. Procédé seion la revendication 1 ou 2, dans lequel ladite deuxième source de lumière est une source continue.
  4. 4. Procédé selon l’une quelconque des revendications précédentes, dans lequel lesdits spectres de fluorescence sont des spectres acquis sur une plage spectrale comprise entre 250 nm et 800 nm.
  5. 5. Procédé selon l’une quelconque des revendications précédentes, dans lequel lesdits spectres de transmittance et/ou de réflectance sont des spectres acquis sur une plage spectrale comprise entre 400 nm et 2500 nm, et de préférence sur une plage spectrale comprise entre 400 nm et 1100 nm.
  6. 6. Procédé selon l’une quelconque des revendications précédentes, dans lequel le nombre de rayonnements lumineux émis par la première source de lumière est compris entre un et huit, et de préférence entre deux et cinq.
  7. 7. Procédé selon l’une quelconque des revendications précédentes, dans lequel les spectres de fluorescence sont des spectres de fluorescence acquis en mode frontal.
  8. 8. Procédé selon l’une quelconque des revendications précédentes dans lequel ladite étape d) comporte également une étape préalable de normalisation desdits spectres de fluorescence et/ou desdits spectres de transmittance et/ou de réflectance.
  9. 9. Procédé selon l’une quelconque des revendications précédentes, dans lequel ledit modèle statistique multivoies mis en oeuvre est un modèle de type Tucker.
  10. 10. Procédé selon l’une quelconque des revendications précédentes, dans lequel ladite détermination d’un indicateur caractérisant ledit ou chaque échantillon est effectuée par application d’un modèle de calibration reliant les données de décomposition audit indicateur.
  11. 11. Appareil d’analyse d’au moins un échantillon pour la mise en œuvre d’un procédé selon l’une quelconque des revendications précédentes, caractérisé en ce qu’il comprend : - des moyens d’éclairage dudit ou de chaque échantillon à analyser, lesdits moyens d'éclairage comprenant une première source de lumière et au moins une deuxième source de lumière, ladite au moins une deuxième source de lumière étant distincte de ladite première source de lumière ; - un premier moyen d’acquisition de spectres de fluorescence dudit ou de chaque échantillon, lesdits spectres de fluorescence résultant de l’éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite première source de lumière ; - un deuxième moyen d’acquisition de spectres de transmittance et/ou de réflectance dudit ou de chaque échantillon, lesdits spectres de transmittance et/ou de réflectance résultant de l’éclairage dudit ou de chaque échantillon par un ou plusieurs rayonnements lumineux émis par ladite deuxième source de lumière ; et un ou plusieurs processeurs configurés pour mettre en œuvre au moins les étapes d) à h).
FR1650830A 2016-02-02 2016-02-02 Procede et appareil d'analyse spectroscopique, utilisant un traitement multivoies de donnees spectrales en infrarouge et en fluorescence. Expired - Fee Related FR3047313B1 (fr)

Priority Applications (7)

Application Number Priority Date Filing Date Title
FR1650830A FR3047313B1 (fr) 2016-02-02 2016-02-02 Procede et appareil d'analyse spectroscopique, utilisant un traitement multivoies de donnees spectrales en infrarouge et en fluorescence.
JP2018539897A JP2019503490A (ja) 2016-02-02 2017-01-31 赤外線及び蛍光の分光データの多重処理を用いた分光分析方法及び装置
EP17701899.1A EP3411691A1 (fr) 2016-02-02 2017-01-31 Procédé et appareil d'analyse spectroscopique, utilisant un traitement multivoies de données spectrales en infrarouge et en fluorescence
US16/073,750 US20190369013A1 (en) 2016-02-02 2017-01-31 Method and apparatus for spectroscopic analysis, implementing infrared and fluorescence multichannel processing of spectral data
PCT/EP2017/052046 WO2017134050A1 (fr) 2016-02-02 2017-01-31 Procédé et appareil d'analyse spectroscopique, utilisant un traitement multivoies de données spectrales en infrarouge et en fluorescence
CA3013301A CA3013301A1 (fr) 2016-02-02 2017-01-31 Procede et appareil d'analyse spectroscopique, utilisant un traitement multivoies de donnees spectrales en infrarouge et en fluorescence
CN201780012576.1A CN109313127A (zh) 2016-02-02 2017-01-31 实施对光谱数据的红外和荧光多路处理来进行光谱分析的方法和设备

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1650830 2016-02-02
FR1650830A FR3047313B1 (fr) 2016-02-02 2016-02-02 Procede et appareil d'analyse spectroscopique, utilisant un traitement multivoies de donnees spectrales en infrarouge et en fluorescence.

Publications (2)

Publication Number Publication Date
FR3047313A1 true FR3047313A1 (fr) 2017-08-04
FR3047313B1 FR3047313B1 (fr) 2018-01-12

Family

ID=55862992

Family Applications (1)

Application Number Title Priority Date Filing Date
FR1650830A Expired - Fee Related FR3047313B1 (fr) 2016-02-02 2016-02-02 Procede et appareil d'analyse spectroscopique, utilisant un traitement multivoies de donnees spectrales en infrarouge et en fluorescence.

Country Status (7)

Country Link
US (1) US20190369013A1 (fr)
EP (1) EP3411691A1 (fr)
JP (1) JP2019503490A (fr)
CN (1) CN109313127A (fr)
CA (1) CA3013301A1 (fr)
FR (1) FR3047313B1 (fr)
WO (1) WO2017134050A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022038287A1 (fr) * 2020-08-21 2022-02-24 Spectralys Innovation Dispositif d'analyse spectroscopique d'un echantillon et procede d'analyse d'un echantillon au moyen d'un tel dispositif

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3083866B1 (fr) 2018-07-13 2020-10-23 Spectralys Innovation Dispositif d'analyse de spectroscopie de fluorescence et infrarouge
JP2020034545A (ja) * 2018-08-28 2020-03-05 パナソニックＩｐマネジメント株式会社 成分分析装置及び成分分析方法
CN109856063A (zh) * 2019-03-15 2019-06-07 首都师范大学 碳酸饮料中合成色素浓度的检测方法及系统
CN109856062A (zh) * 2019-03-15 2019-06-07 首都师范大学 配制酒中合成色素浓度的检测方法及系统
CN109856061A (zh) * 2019-03-15 2019-06-07 首都师范大学 碳酸饮料中合成色素浓度的检测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070037135A1 (en) * 2005-08-08 2007-02-15 Barnes Russell H System and method for the identification and quantification of a biological sample suspended in a liquid
EP1850117A1 (fr) * 2006-04-24 2007-10-31 FOSS Analytical A/S Analyseur optique

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101283241A (zh) * 2005-08-08 2008-10-08 普凯尔德诊断技术有限公司 识别和量化悬浮于液体中的生物样品的系统及方法
US8330122B2 (en) * 2007-11-30 2012-12-11 Honeywell International Inc Authenticatable mark, systems for preparing and authenticating the mark
FR2988473B1 (fr) * 2012-03-22 2014-04-18 Spectralys Innovation Procede et appareil de caracterisation d'echantillons par mesure de la diffusion lumineuse et de la fluorescence.

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070037135A1 (en) * 2005-08-08 2007-02-15 Barnes Russell H System and method for the identification and quantification of a biological sample suspended in a liquid
EP1850117A1 (fr) * 2006-04-24 2007-10-31 FOSS Analytical A/S Analyseur optique

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ALLOUCHE F ET AL: "Coupling hyperspectral image data having different spatial resolutions by extending multivariate inter-battery Tucker analysis", CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, vol. 113, 3 September 2011 (2011-09-03), pages 43 - 51, XP028915115, ISSN: 0169-7439, DOI: 10.1016/J.CHEMOLAB.2011.08.010 *
JAMIESON T ET AL: "Characterization of biochar-derived dissolved organic matter using UV-visible absorption and excitation-emission fluorescence spectroscopies", CHEMOSPHERE, vol. 103, 17 December 2013 (2013-12-17), pages 197 - 204, XP028637874, ISSN: 0045-6535, DOI: 10.1016/J.CHEMOSPHERE.2013.11.066 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022038287A1 (fr) * 2020-08-21 2022-02-24 Spectralys Innovation Dispositif d'analyse spectroscopique d'un echantillon et procede d'analyse d'un echantillon au moyen d'un tel dispositif
FR3113523A1 (fr) * 2020-08-21 2022-02-25 Spectralys Innovation Dispositif d’analyse spectroscopique d’un echantillon et procede d’analyse d’un echantillon au moyen d’un tel dispositif

Also Published As

Publication number Publication date
FR3047313B1 (fr) 2018-01-12
JP2019503490A (ja) 2019-02-07
CN109313127A (zh) 2019-02-05
EP3411691A1 (fr) 2018-12-12
US20190369013A1 (en) 2019-12-05
WO2017134050A1 (fr) 2017-08-10
CA3013301A1 (fr) 2017-08-10

Similar Documents

Publication Publication Date Title
EP3411691A1 (fr) Procédé et appareil d&#39;analyse spectroscopique, utilisant un traitement multivoies de données spectrales en infrarouge et en fluorescence
Abbas et al. Near-infrared, mid-infrared, and Raman spectroscopy
Xu et al. Raman spectroscopy coupled with chemometrics for food authentication: A review
Qin et al. Hyperspectral and multispectral imaging for evaluating food safety and quality
Nicolai et al. Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review
Magwaza et al. Evaluation of Fourier transform-NIR spectroscopy for integrated external and internal quality assessment of Valencia oranges
EP2828643B1 (fr) Procede et appareil de caracterisation d&#39;echantillons par mesure de la diffusion lumineuse et de la fluorescence.
Zhou et al. Detection of heavy metal lead in lettuce leaves based on fluorescence hyperspectral technology combined with deep learning algorithm
JP2013514530A (ja) 分光データのマルチチャネル処理を用いて、特に食品を分析する方法および分光分析機器
EP3257947B1 (fr) Procede et systeme d&#39;identification du type de gram d&#39;une bacterie
Saito et al. Prediction of protein and oil contents in soybeans using fluorescence excitation emission matrix
CN109187443B (zh) 基于多波长透射光谱的水体细菌微生物准确识别方法
Shao et al. Identification of pesticide varieties by detecting characteristics of Chlorella pyrenoidosa using Visible/Near infrared hyperspectral imaging and Raman microspectroscopy technology
CA2805346A1 (fr) Procede de caracterisation d&#39;un produit agroalimentaire et appareil pour la mise en oeuvre d&#39;un tel procede
Hossain et al. Fluorescence-based determination of olive oil quality using an endoscopic smart mobile spectrofluorimeter
Yao et al. Non-destructive determination of soluble solids content in intact apples using a self-made portable NIR diffuse reflectance instrument
Al Riza et al. Mandarin orange (Citrus reticulata Blanco cv. Batu 55) ripeness level prediction using combination reflectance-fluorescence spectroscopy
CA3135861A1 (fr) Procede pour configurer un dispositif de spectrometrie
Matousek et al. Recent advances in pharmaceutical analysis using transmission Raman spectroscopy
Gao et al. Rapid measurement of anthocyanin content in grape and grape Juice: Raman spectroscopy provides Non-destructive, rapid methods
Ye et al. A novel spatially resolved interactance spectroscopy system to estimate degree of red coloration in red-fleshed apple
Yu et al. Use of visible and short-wavelength near-infrared spectroscopy and least-squares support vector machines for non-destructive rice wine quality determination
Ordoudi et al. A non-invasive, sensor-based approach to exploit the autofluorescence of saffron (Crocus sativus L.) for on-site evaluation of aging
Chatterjee et al. On-site Food Authenticity Testing: Advances in Miniaturization of Spectrometers and Machine Learning
Chen Rapid Analyses of Carotenoids in Tomato Paste Using Handheld Raman Spectroscopy

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20170804

PLFP Fee payment

Year of fee payment: 3

PLFP Fee payment

Year of fee payment: 4

PLFP Fee payment

Year of fee payment: 5

ST Notification of lapse

Effective date: 20211005