SensoGraph, geometría computacional aplicada a paneles de cata
Un equipo de investigadores del Campus de Palencia de la Universidad de Valladolid (UVa) y de la Universidad de Alcalá (UAH) ha diseñado un nuevo método, denominado SensoGraph, que simplifica la realización de los paneles de cata de alimentos. Se trata de un software que utiliza técnicas geométricas en lugar de estadísticas para identificar las similitudes que cada catador percibe entre los distintos productos, de forma rápida, sencilla y en tiempo real.
El análisis sensorial es una herramienta de gran importancia en la industria alimentaria, ya que permite obtener un conocimiento más profundo de las características organolépticas de un producto. Estos análisis se realizan de forma sistematizada mediante paneles de cata, en los que un grupo de catadores se encarga de evaluar los productos.
No obstante, entrenar a los catadores para obtener resultados fiables y consistentes no es tarea fácil, y las industrias deben invertir tiempo y dinero en este entrenamiento. Paralelamente, la gestión de los datos de los paneles de cata se realiza en estos momentos “con técnicas estadísticas bastante tediosas y complicadas”, explica a DiCYT Encarnación Fernández, investigadora del Área de Tecnología de Alimentos de la UVa y experta en análisis sensorial.
Así, disponer de enfoques alternativos para poder realizar estos análisis de forma más rápida y económica constituye una importante necesidad para la industria alimentaria. Conscientes de la misma, en colaboración con un equipo de matemáticos encabezado por el investigador David Orden, de la UAH, han desarrollado el método SensoGraph.
“La innovación reside en el método de recogida y procesado de datos, con un software que implementa técnicas geométricas en lugar de estadísticas. Ello permite un uso sencillo y en tiempo real”, subraya la investigadora de la Uva.
La técnica que proponen solo requiere de un grupo de catadores o consumidores que no tienen por qué estar entrenados. Cada uno de ellos evalúa los productos con su propio criterio, de acuerdo a las diferencias globales que perciben, lo que simplifica el proceso y acorta el tiempo dedicado a ensayos. Para analizar los datos obtenidos por cada catador, el software codifica las posiciones relativas entre los puntos utilizando grafos de proximidad, una técnica que se utiliza en geometría computacional y que posibilita identificar las similitudes y diferencias que cada catador ha percibido entre los distintos productos evaluados.
Finalmente, se utilizan otras técnicas de geometría computacional para fusionar, en una sola, todas las imágenes mentales percibidas por los distintos catadores. De este modo, mientras que las técnicas estadísticas que se utilizan habitualmente requieren conocimientos específicos para garantizar un uso correcto, este software puede ser utilizado por cualquier persona con una formación básica quien recoge, por ejemplo, con un smartphone, los datos y los procesa en tiempo real.
“SensoGraph se caracteriza por su facilidad de uso y rapidez. Estas características permiten que cualquier empresa agroalimentaria, con independencia de su tamaño y la especialización de sus empleados, pueda tener en cuenta la opinión de los consumidores para diseñar y optimizar sus productos”, apunta Fernández.
Validado en paneles de cata de vinos
Los investigadores han validado el método en un estudio publicado en la revista ‘Food Quality and Preference' con tres tipos de paneles de cata de vinos. En la actualidad están aplicando la técnica en distintas empresas del sector agroalimentario, mediante artículos 83 y a través de un Proyecto Eureka, y se encuentran abiertos a nuevas colaboraciones.
Asimismo, han presentado el sistema en congresos tanto del área de la geometría computacional como de análisis sensorial. También han obtenido sendos premios en los concursos 'Iniciativa Campus Emprendedor 2016' del Banco de Santander y la Fundación Universidades y Enseñanzas Superiores de Castilla y León (Fuescyl) y en la 10ª Convocatoria del Concurso de Ideas para la Creación de Empresas de Base Tecnológica de la Universidad de Alcalá en 2017.
